幾天，我手里的一個項目需要將富文本的所有 html 標簽全部刪除，得到純文本后再存儲到數據庫中。在一系列得搜索操作之后，我找到了實現這個目的的幾種方法，在這里我分享給大家，當你遇到同樣的情況興許也能用的上。

1. 使用 .replace(/<[^>]*>/g, '')

這個方法是從文本中去除 html 標簽最簡單的方法。它使用字符串的方法 .replace(待替換的字符串，替換后的字符串) 將 HTML 標簽替換成空值。 /g 是表示替換字符串所有匹配的值，即字符串中所有符合條件的字符都將被替換。

這個方法的缺點是有些 HTML 標簽不能被剔除，不過它依然很好用。

2. 創建臨時DOM元素并獲取其中的文本

這種方法是完成該問題的最有效的方法。創建一個臨時 DOM 并給他賦值，然后我們使用 DOM 對象方法提取文本。

3. 使用 html-to-text npm 包

html-to-text 這個包的功能很全了，轉換也有許多的選項比如：wordwrap, tags, whitespaceCharacters , formatters 等等。

安裝：

npm install html-to-text

使用：

最后感謝閱讀，如果此文對您有幫助，請點贊或添加關注。

當今互聯網時代，HTML 和 Markdown 都是非常流行的標記語言。HTML 用于構建網頁結構和內容，而 Markdown 則以其簡潔易讀的語法被廣泛用于編寫文檔、博客文章等。在很多場景下，我們需要將 HTML 內容轉換為 Markdown 格式，例如網頁內容抓取、文檔格式轉換等。

Rust 作為一門以安全、性能和可靠性著稱的系統級編程語言，也提供了相應的庫來處理 HTML 到 Markdown 的轉換。本文將介紹一個名為 htmd 的 Rust 庫，它提供了一種高效且易于使用的方式來完成這項任務。

htmd 簡介

htmd 是一個受 JavaScript 庫 turndown.js 啟發而開發的 Rust 庫，用于將 HTML 文檔轉換為 Markdown 格式。它具有以下特點：

• 功能豐富： 提供了與 turndown.js 相媲美的豐富選項，可以靈活地控制轉換過程。
• 可靠性高： 通過了 turndown.js 的所有測試用例，確保轉換結果的準確性。
• 依賴項少： 僅依賴于 html5ever 庫，輕量級且易于集成。
• 性能優異： 轉換速度快，能夠高效處理大型 HTML 文檔。

htmd 的安裝

在使用 htmd 之前，我們需要先安裝它。將以下依賴項添加到你的 Cargo.toml 文件中：

[dependencies]
htmd = "0.1"

htmd 的使用

基本轉換

使用 htmd 進行 HTML 到 Markdown 的基本轉換非常簡單。以下代碼展示了如何將一個 <h1> 標簽轉換為 Markdown 中的 # 標題：

use htmd::HtmlToMarkdown;

fn main() {
    let markdown = HtmlToMarkdown::new();
    let html = "<h1>這是一個標題</h1>";
    let result = markdown.convert(html).unwrap();
    assert_eq!(result, "# 這是一個標題\n");
}

跳過標簽

在某些情況下，我們可能希望跳過 HTML 文檔中的某些標簽，例如 <script> 和 <style> 標簽。htmd 提供了 skip_tags 方法來實現這一點：

use htmd::HtmlToMarkdown;

fn main() {
    let markdown = HtmlToMarkdown::builder()
        .skip_tags(vec!["script", "style"])
        .build();

    let html = r#"
        <script>
            // 一些 JavaScript 代碼
        </script>
        <h1>這是一個標題</h1>
    "#;

    let result = markdown.convert(html).unwrap();
    assert_eq!(result, "# 這是一個標題\n");
}

自定義標簽處理器

htmd 允許我們自定義標簽處理器來處理特定的 HTML 標簽。例如，我們可以定義一個處理器將 <img> 標簽轉換為 Markdown 中的圖片語法：

use htmd::{HtmlToMarkdown, HandleResult};
use html5ever::tendril::StrTendril;
use html5ever::QualName;

fn main() {
    let markdown = HtmlToMarkdown::builder()
        .add_handler(
            vec!["img"],
            |el| {
                let src = el
                    .attrs
                    .iter()
                    .find(|(name, _)| name.local.as_ref() == "src")
                    .map(|(_, value)| value.as_ref());

                let alt = el
                    .attrs
                    .iter()
                    .find(|(name, _)| name.local.as_ref() == "alt")
                    .map(|(_, value)| value.as_ref());

                match (src, alt) {
                    (Some(src), Some(alt)) => Some(format!("![{}]({})", alt, src)),
                    _ => None,
                }
            },
        )
        .build();

    let html = r#"<img src="https://example.com/image.jpg" alt="圖片描述">"#;
    let result = markdown.convert(html).unwrap();
    assert_eq!(result, "![圖片描述](https://example.com/image.jpg)\n");
}

多線程處理

htmd 支持多線程處理，可以充分利用多核 CPU 的性能來加速轉換過程。以下代碼展示了如何使用多線程將多個 HTML 文檔轉換為 Markdown：

use htmd::HtmlToMarkdown;
use std::sync::Arc;
use std::thread;

fn main() {
    let markdown = Arc::new(HtmlToMarkdown::new());
    let html_docs = vec![
        "<h1>文檔 1</h1>",
        "<h2>文檔 2</h2>",
        "<h3>文檔 3</h3>",
    ];

    let threads: Vec<_> = html_docs
        .into_iter()
        .map(|html| {
            let markdown = markdown.clone();
            thread::spawn(move || {
                let result = markdown.convert(html).unwrap();
                println!("{}", result);
            })
        })
        .collect();

    for thread in threads {
        thread.join().unwrap();
    }
}

結論

htmd 是一個功能強大且易于使用的 Rust 庫，用于將 HTML 文檔轉換為 Markdown 格式。它提供了豐富的選項、自定義標簽處理器和多線程支持，可以滿足各種轉換需求。如果你正在尋找一種高效可靠的 HTML 到 Markdown 轉換解決方案，htmd 絕對值得一試。

stringObject.toUpperCase()

<script>
var str = 'abclFid';
document.write(str.toUpperCase())
</script>

stringObject.toLowerCase()