Delphi把HTML转换成纯文本格式

最新推荐文章于 2025-05-02 13:58:28 发布

原创最新推荐文章于 2025-05-02 13:58:28 发布 · 3.7k 阅读

2 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#delphi #html #正则表达式 #ie

收录于

Delphi 专栏收录该内容

1 篇文章

订阅专栏

本文介绍了一种利用IE的IHTMLDocument2接口将HTML转换为纯文本的方法，通过CoHTMLDocument.Create创建接口，然后写入HTML内容，关闭并获取body的outerText实现转换。这种方法避免了使用正则表达式或直接分析HTML代码。需要注意的是，在线程内部使用IHtmlDocument2时可能会遇到mshtml.dll和ntdll.dll错误，但该错误不一定会每次都出现。

网上很多把HTML转换成纯文本格式的方法很多思路都是用正则表达式或者分析html代码替换的方法。

本文是利用IE完成转换，即利用IHTMLDocument2接口。

uses
  MSHTML, ActiveX, OleCtrls, Variants,  SysUtils;
  function HtmlToText(HtmlText: WideString): WideString;
implementation
function HtmlToText(HtmlText: WideString): WideString;
var
  V: OleVariant;
  Document: IHTMLDocument2;
begin
  Result := HtmlText;
  if HtmlText = '' then Exit;
  CoInitialize(nil);
  Document := CoHTMLDocument.Create  as IHtmlDocument2;
  try
    V := VarArrayCreate([0, 0], varVariant);
    V[0] := HtmlText;
    Document.Write(PSafeArray(TVarData(v).VArray));
    Document.Close;
    Result := Trim(Document.body.outerText);
  finally
    Document := nil;
    CoUninitialize;
  end;
end;
initialization
  OleInitialize(nil);
finalization
  OleUninitialize;