Autor Beitrag
rabby
ontopic starontopic starontopic starontopic starontopic starontopic starontopic starontopic star
Beiträge: 61

gentoo

BeitragVerfasst: So 30.05.04 17:39 
hallo welt !

habe hier eine funktion, welche html source in text umwandeln sollte.
falls Ihr ne bessere funktion mit dem selben ziel habt, bitte unbedingt posten!

ausblenden volle Höhe Delphi-Quelltext
1:
2:
3:
4:
5:
6:
7:
8:
9:
10:
11:
12:
13:
14:
15:
16:
17:
18:
19:
20:
21:
22:
23:
24:
25:
26:
27:
28:
29:
30:
31:
32:
33:
34:
35:
36:
37:
38:
39:
40:
41:
42:
43:
44:
45:
46:
47:
48:
49:
50:
51:
52:
53:
54:
55:
56:
57:
58:
59:
60:
61:
62:
63:
64:
65:
66:
67:
68:
69:
70:
71:
72:
73:
74:
75:
76:
77:
78:
79:
80:
81:
82:
83:
84:
85:
86:
87:
88:
89:
90:
91:
92:
93:
94:
95:
96:
97:
98:
function HTML2Text(OrigHTML: String): String;
const
  NovaLinha = Chr(13) + Chr(10);
var
  NoHTML: String;
begin
  //Separa somente o corpo do texto HTML
  if Pos('<body', LowerCase(OrigHTML)) > 0 Then begin
    OrigHTML := Mid(OrigHTML, Pos('<body', LowerCase(OrigHTML)));
    OrigHTML := Mid(OrigHTML, Pos('>', OrigHTML) + 1);
    if Pos('</body>', LowerCase(OrigHTML)) > 0 Then
      OrigHTML := Copy(OrigHTML,1 , Pos('</body>', LowerCase(OrigHTML)) - 1);
  end;

  //Retira os caracteres de nova linha
  OrigHTML := StringReplace(OrigHTML, Chr(13), '', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, Chr(10), '', [rfReplaceAll]);

  //Retira espacos duplos
  while Pos('  ', OrigHTML) > 0 do
    OrigHTML := StringReplace(OrigHTML, '  ', ' ', [rfReplaceAll]);

  //Modifica tags de nova linha, por caracteres de nova linha
  OrigHTML := StringReplace(OrigHTML, '<br>', NovaLinha, [rfReplaceAll, rfIgnoreCase]);
  OrigHTML := StringReplace(OrigHTML, '</div>', NovaLinha + NovaLinha, [rfReplaceAll, rfIgnoreCase]);

  //Modifita tag de paragrafo por caracteres de nova linha
  while Pos('<p', OrigHTML) > 0 do begin
    NoHTML   := MidStr(OrigHTML, '<p', '>', True);
    OrigHTML := StringReplace(OrigHTML, NoHTML, (NovaLinha + NovaLinha), [rfReplaceAll, rfIgnoreCase]);
  end;

  //Tratamento de Tags em Geral
  while Pos('<', OrigHTML) > 0 do begin
    NoHTML   := MidStr(OrigHTML, '<', '>', True);
    OrigHTML := StringReplace(OrigHTML, NoHTML, '', [rfReplaceAll, rfIgnoreCase]);
  end;

  //Trata Caracteres especiais
  OrigHTML := StringReplace(OrigHTML, '$',     '$', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, '#37;',      '%', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, '»',    '»', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'á',  'á', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'ã',  'ã', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'ç',  'ç', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'é',  'é', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'ê',   'ê', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'í',  'í', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'ó',  'ó', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'ô',   'ô', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'õ',  'õ', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'Á',  'Á', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'Ã',  'Ã', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'Ç',  'Ç', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'É',  'É', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'Ê',   'Ê', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'Í',  'Í', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'Ó',  'Ó', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'Ô',   'Ô', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'Õ',  'Õ', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, '&',     '&', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, '"',    '"', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, '<',      '<', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, '>',      '>', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, ' ',    ' ', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, '©',    '©', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, '®',     '®', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, '»',   '»', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'Ú',  'Ú', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'ú',  'ú', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'ü',    'ü', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'ä', 'ä', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'Ä', 'Ä', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'ö', 'ö', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'Ö', 'Ö', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'ü', 'ü', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'Ü', 'Ü', [rfReplaceAll]);
  OrigHTML := StringReplace(OrigHTML, 'ß', 'ß', [rfReplaceAll]);

  result := OrigHTML
end;

//-------------------------------------------------------
// MidStr
//-------------------------------------------------------
function MidStr(const pString, pAbre, pFecha: String; pInclui: boolean): string;
var
  lIni, lFim : integer;
begin
  if (pInclui = False) then begin
    lIni := Pos(UpperCase(pAbre), UpperCase(pString)) + Length(pAbre);
    lFim := InStr(lIni, UpperCase(pString), UpperCase(pFecha));
  end else begin
    lIni := Pos(UpperCase(pAbre), UpperCase(pString));
    lFim := InStr(lIni + Length(pAbre), UpperCase(pString), UpperCase(pFecha)) + Length(pFecha);
  end;
  result := Copy(pString, lIni, lFim - lIni);
end;


diese fkt scheint auch relativ gut zu funktionieren; aber leider scheitert sie bei zu großer datenmenge!
z.b. wenn man www.computerwoche.de...=254&artid=61023 in text umwandeln möchte :-(

was kann ich dagegen tun? bzw wem ist eine besser html2txt konvertier funktion bekannt?

vielen dank

Moderiert von user profile iconMotzi: Code- durch Delphi-Tags ersetzt.
jaenicke
ontopic starontopic starontopic starontopic starontopic starontopic starontopic starofftopic star
Beiträge: 19346
Erhaltene Danke: 1754

W11 x64 (Chrome, Edge)
Delphi 12 Pro, C# (VS 2022), JS/HTML, Java (NB), PHP, Lazarus
BeitragVerfasst: Mi 02.06.04 11:54 
Nun, also ne bessere Funktion gibt es bestimmt in irgendwelchen Komponentensammlungen, ich glaube auch in der BU-Kommponentensammlung. Aber um dir hier zu helfen:

Du solltest für größere Datenmengen vielleicht keinen einzelnen String, sondern lieber eine TStringList verwenden. Mit der sind auch größere Datenmengen kein Problem...

MfG,
Sebastian
rabby Threadstarter
ontopic starontopic starontopic starontopic starontopic starontopic starontopic starontopic star
Beiträge: 61

gentoo

BeitragVerfasst: Mi 02.06.04 11:58 
ja, hab die funktion betw. sehr gekürzt...
aber weiterhin siehts bei großen dateien düster aus.
problemlösung sollte hierdurch kommen: www.delphi-forum.de/viewtopic.php?t=26238