HTML Tags entfernen

**knolli**

ok danke...
das es aus java kommt wusste ich bis jetzt noch nicht... ich werd mal mein bestes geben und mal suchen...

**Namenloser**

Zitat von omata:

Hier auch nochmal ein Vorschlag mit regulären Ausdrücken...

Delphi-Quellcode:

			function CleanHtmlTags(Html:string):string;

var RegExpr:TRegExpr;

begin

  Result:='';

  RegExpr:=TRegExpr.Create;

  try

    RegExpr.ModifierG:=false;

    RegExpr.Expression:='<body>(.*)</body>';

    if RegExpr.Exec(Html) then begin

      Html:=RegExpr.Match[0];

      RegExpr.Expression:='<.*>';

      Result:=RegExpr.Replace(Html, ' ', false);

      Result:=trim(StringReplace(Result, '  ', ' ', [rfReplaceAll]));

    end;

  finally

    RegExpr.Free;

  end;

end;

RegExpr

Gruss
Thorsten

Durch das "gierige Verhalten" von RegExp würde das aber alles vom ersten bis zum letzten Tag löschen...

**omata**

Zitat von NamenLozer:

Durch das "gierige Verhalten" von RegExp würde das aber alles vom ersten bis zum letzten Tag löschen...

Hast du das getestet?

Dafür hatte ich eigentlich...
RegExpr.ModifierG:=false; eingefügt.

**Namenloser**

Ok, darauf hab ich nicht geachtet. Ich kenn die Komponente nicht, aber RegExp von PHP...

**nat**

zur der lösung mit ner regex...
man sollte noch drauf achten, dass <...> auch in einem string vorkommen kann der dann ignoriert werden sollte.
z.B. in sowas [img]image.jpg[/img] tag">

markieren

Code:

<.*>

würde hier fehlerhaft funktionieren.
ich würde das dann etwas erweitern. so ausm kopf in diese richtung:

markieren

Code:

<(.*)(".*")*>

sollte zwar nicht oft vorkommen, aber möglich ist es halt.

**quendolineDD**

Zitat von NamenLozer:

Ok, darauf hab ich nicht geachtet. Ich kenn die Komponente nicht, aber RegExp von PHP...

Auch in PHP kann man das gierige Verhalten unterbinden.

**Codehunter**

Da ich grad selbst an dem Problem hing und auch die bereits erwähnte Zugriffsverletzung bekam, hier mal eine einfachere und funktionierende, dafür geringfügig weniger performante Lösung:

markieren

Code:

			function dwStripTags(AHTML: String): String;

var

  TagBegin, TagEnd, TagLength: integer;

begin

  TagBegin := Pos( '<', AHTML);

  while (TagBegin > 0) do begin

  TagEnd := Pos('>', AHTML);

  TagLength := TagEnd - TagBegin + 1;

  Delete(AHTML, TagBegin, TagLength);

  TagBegin:= Pos( '<', AHTML);

  end;

  Result := AHTML;

end;

**Monday**

Hi Leute,

ich weiß der Thread ist etwas älter. Aber da viele Leute auf diese Funktionen hier zurückgreifen, möchte ich noch ergänzen.

Unter dem Geschwindigkeitsaspekt habe ich gemessen:

dwStrips benötigte im Durchschnitt 77,6 ms
StripTags benötigte im Durchschnitt 56,3 ms
CleanHTMLTags benötigte im Durchschnitt 4,6 ms

Für kleinere Anwendungen oder wenigen Anrufen spielt es keine Rolle welche Funktion man nimmt. Möchte man aber größere Texte, öfters Texte durchlaufen lassen sollte man CleanHTMLTags nehmen. dwStrips zieht sich schnell in die Länge.

Bei CleanHTMLTags habe ich eine kleine Änderung vorgenommen und sieht so aus:

zusammenfalten · markieren

Delphi-Quellcode:

			function CleanHtmlTags(Html:string):string;

var RegExpr:TRegExpr;

begin

  Result:='';

  RegExpr:=TRegExpr.Create;

  try

    RegExpr.ModifierG:=false;

    RegExpr.Expression:='<.*>';

    Result:=RegExpr.Replace(Html, ' ', false);

    Result:=trim(StringReplace(Result, ' ', ' ', [rfReplaceAll]));

  finally

    RegExpr.Free;

  end;

end;

Das Ergebnis sah bei allen Funktionen gleich aus, wobei ich hier keinen genauen vergleich gemacht habe.

LG
Monday

**handyotto**

Ja, auch ich muss dem alten Thread noch eine Ergänzung beisteuern.

Die Funktion ReplaceHTMLChar (in Beitrag #3 zu sehen), kann in eine Endlosschleife laufen und endet dann mit OutOfMemory.

Das passiert bei fehlerhaften Tags im Eingangsstring.

Beispiel: 'Dies ist ein Test &nbsp: &nbsp und so weiter.'

Das Problem kann einfach gelöst werden, wenn die unter IF noch einen ELSE-Zweig erhält.

Hier die korrigierte Version:

zusammenfalten · markieren

Delphi-Quellcode:

			  function ReplaceHTMLChar(sValue: string): string;

  var

    tagStartPos                 : Integer;

    tagEndPos                   : Integer;

    tag, newTag                 : string;

    temp                        : string;

  begin

    tagStartPos := Pos('&', sValue);

    tagEndPos := PosEx(';', sValue, tagStartPos);

    if (tagEndPos > 0) AND ((tagEndPos - tagStartPos) < 8) then

      begin

        tag := copy(sValue, tagStartPos, tagEndPos - tagStartPos + 1);

        newTag := GiveSZ(tag);

        temp := copy(sValue, 1, tagStartPos - 1) + newTag +

          copy(sValue, tagEndPos + 1, length(sValue) - tagEndPos);

        sValue := temp;

        tagEndPos := tagEndPos - length(tag) + length(newTag);

        while (PosEx('&', sValue, tagEndPos) <> 0) and

          (PosEx(';', sValue, tagEndPos) <> 0) do

          begin

            tagStartPos := PosEx('&', sValue, tagEndPos);

            tagEndPos := PosEx(';', sValue, tagStartPos);

            if tagEndPos - tagStartPos < 8 then

            begin

              tag := copy(sValue, tagStartPos, tagEndPos - tagStartPos + 1);

              newTag := GiveSZ(tag);

              temp := copy(sValue, 1, tagStartPos - 1) + newTag +

                copy(sValue, tagEndPos + 1, length(sValue) - tagEndPos);

              sValue := temp;

              tagEndPos := tagEndPos - length(tag) + length(newTag);

            end

            ELSE

              tagEndPos:=tagStartPos+1;

          end;

      end;

    Result := sValue;

  end;

Sehe gerade, dass ich oben, in der ersten IF, schon mal ein "tagEndPos > 0" einfügte.

**handyotto**

Die Funktion ReplaceHTMLChar machte noch immer Probleme bei nicht abgeschlossenem Tag oder wenn einfach mal so ein "&" vorkam.

Habe das nun komplett neu durchdacht:

zusammenfalten · markieren

Delphi-Quellcode:

			  function ReplaceHTMLChar(sValue: string): string;

  var

    tagStartPos, tagNxtStartPos : Integer;

    tagEndPos                   : Integer;

    tag, newTag                 : string;

    Found                       : BOOLEAN;

  begin

    tagEndPos:=1;

    Result:=sValue;

    TRY

      REPEAT

        Found:=FALSE;

        tagStartPos:=PosEx('&', Result, tagEndPos);

        if tagStartPos > 0 then

        BEGIN

          tagEndPos:=PosEx(';', Result, tagStartPos);

          Found:=(tagEndPos > tagStartPos);

          if Found then

          BEGIN

            tagNxtStartPos:=tagStartPos;

            REPEAT                                                               // Gibts vielleicht noch ein Start- vor dem Ende-Zeichen?

              tagNxtStartPos:=PosEx('&', Result, tagNxtStartPos+1);

              if (tagNxtStartPos > 0) AND (tagNxtStartPos < tagEndPos) then

                tagStartPos:=tagNxtStartPos;

            UNTIL (tagNxtStartPos = 0) OR (tagNxtStartPos > tagEndPos);

            if (tagEndPos - tagStartPos < 8) then

            BEGIN

              tag:=copy(Result, tagStartPos, tagEndPos - tagStartPos + 1);

              newTag:=GiveSZ(tag);

              Result:=copy(Result, 1, tagStartPos - 1) + newTag +

                      copy(Result, tagEndPos + 1, length(Result) - tagEndPos);

              tagEndPos:=tagEndPos - length(tag) + length(newTag);

            END

            ELSE

              tagEndPos:=tagStartPos+1;

          END;

        END;

      UNTIL Not Found;

    EXCEPT

      Result:=sValue;                  // Wenn doch was unvorhergesehenes passiert, dann lieber ungewandelt zurück!

    END;

Bitte Melden, wenn auch damit Probleme entstehen sollten.

HTML Tags entfernen

Re: HTML Tags entfernen

Re: HTML Tags entfernen

Re: HTML Tags entfernen

Re: HTML Tags entfernen

Re: HTML Tags entfernen

Re: HTML Tags entfernen

Re: HTML Tags entfernen

AW: HTML Tags entfernen

AW: HTML Tags entfernen

AW: Re: HTML Tags entfernen

Forumregeln

knolli Registriert seit: 22. Sep 2006 Ort: Zittau 83 Beiträge Delphi 7 Enterprise	#21 Re: HTML Tags entfernen 18. Jan 2008, 22:05 ok danke... das es aus java kommt wusste ich bis jetzt noch nicht... ich werd mal mein bestes geben und mal suchen...
	Zitat

omata Registriert seit: 26. Aug 2004 Ort: Nebel auf Amrum 3.154 Beiträge Delphi 7 Enterprise	#23 Re: HTML Tags entfernen 19. Jan 2008, 01:25 Zitat von NamenLozer: Durch das "gierige Verhalten" von RegExp würde das aber alles vom ersten bis zum letzten Tag löschen... Hast du das getestet? Dafür hatte ich eigentlich... RegExpr.ModifierG:=false; eingefügt.
	Zitat

Namenloser Registriert seit: 7. Jun 2006 Ort: Karlsruhe 3.724 Beiträge FreePascal / Lazarus	#24 Re: HTML Tags entfernen 19. Jan 2008, 01:31 Ok, darauf hab ich nicht geachtet. Ich kenn die Komponente nicht, aber RegExp von PHP...
	Zitat

quendolineDD Registriert seit: 19. Apr 2007 Ort: Dresden 781 Beiträge Turbo Delphi für Win32	#26 Re: HTML Tags entfernen 3. Jun 2009, 17:10 Zitat von NamenLozer: Ok, darauf hab ich nicht geachtet. Ich kenn die Komponente nicht, aber RegExp von PHP... Auch in PHP kann man das gierige Verhalten unterbinden. Lars S. Wer nicht mit der Zeit geht, geht mit der Zeit.
	Zitat