将HTML转换为纯文本？

Question

我可以使用Lumisoft的IMAP客户端从Microsoft Exchange中读取电子邮件。我已设置Exchange服务器设置以将任何邮件转换为纯文本。但是，当我读入信息时，它似乎仍然包含HTML / CSS。

从电子邮件正文中删除HTML / CSS的最佳方法是什么？或者我似乎错过了交换服务器上的设置？

Answer 1

我通常采取其中一种方法......

1. 使用正则表达式。 如果你必须提出一个也适用于所有类型的无效标记的解决方案，可能有点难以做到，但我敢打赌其他人已经在你之前完成了它（提示：google或搜索SO）。

2. 使用HTML解析器库。 你可以找到任何流行的编程语言。我建议使用Html Agility Pack。

Answer 2

我不确定您的设置是如何工作的，如果您可以运行脚本等。显然，HTML解析器是解析HTML的最佳方式。例如，使用Hpricot（Ruby HTML解析库），您可以执行puts doc.find_element('body').inner_text，这将打印文档的文本内容。