帮助从网页阅读正文答案

【问题标题】：help with reading text body from a web page帮助从网页阅读正文
【发布时间】：2010-08-12 08:47:37
【问题描述】：

NSString *myText = [webView stringByEvaluatingJavaScriptFromString:@"document.documentElement.innerText"]; NSLog(@"我的文本 -> %@",myText);

我获得了 webView 的所有 JavaScript，但我想要的是从网页中保存 仅正文，因此任何正文都可以帮助我提供一些代码或任何想法，谢谢

【问题讨论】：

标签： iphone cocoa-touch uiwebview

【解决方案1】：

获取文档中某个元素的innerText，即来自body元素。

【讨论】：

txt 重播我试了一下，但我得到了所有的链接，所以我会做一些搜索，如果你能帮助我，我将不胜感激
txt 再次重播，但我所做的（如维也纳应用程序）是让用户输入所需的站点，然后获取 rssfeed 并存储正文。所以当我使用 document.body.innerText 时，我得到了正文和其他链接......我还没有找到解决方案，但我正在寻找......
那么你到底想存储什么？
我要存储所有的正文；当我使用 - (void)parser:(NSXMLParser *)parser didStartElement:(NSString *)elementName namespaceURI:(NSString *)namespaceURIqualifiedName:(NSString *)qName attributes:(NSDictionary *)attributeDict 我可以存储描述，标题等等...描述只是大文本中的几行，所以我需要去原始站点并获取所有文本...当我使用 NSString *content=[webView stringByEvaluatingJavaScriptFromString:@"document.body.内部文本"];我得到了文本、链接、日期......所以你能帮忙得到“只有原始文本”吗？
什么是“只有原文”？你看，这就是问题所在，你必须精确地指定你想要该页面的哪个部分。 “只有原文”很混乱。那么你想确切地存储什么？一般来说，你必须遍历DOM树并得到你想要的。您的应用程序是专门用于某些选定的网站还是通用目的（如果是，目的是什么）？如果您想知道某个网站是如何构建的（什么是 DOM 树），我建议您使用一些浏览器调试器，例如用于 Firefox 的 Firebug。

【解决方案2】：

听起来您想获取不包括标签的文档文本。

如果您正在访问的页面使用 JQuery，您可以简单地使用 $(body).text() 来实现此目的。

如果没有，您可能需要自己使用正则表达式去除标签。 This post 似乎有这个问题的答案。

【讨论】：