Swift求助：如何快速将大量长HTML格式消息转为纯文本？

你当前使用NSAttributedString解析HTML的方式，底层依赖WebKit引擎，处理大量长文本时性能开销极大。以下是两种更高效的纯文本提取方案：

方法1：XMLParser原生解析（推荐，可靠且高效） #

利用系统原生的XMLParser（HTML可兼容XML解析），逐节点提取文本内容，避免WebKit的重量级解析流程，适合复杂HTML结构的批量处理。

extension String {
    func htmlToPlainText() -> String {
        let parser = XMLParser(data: self.data(using: .utf8) ?? Data())
        let delegate = HTMLTextParserDelegate()
        parser.delegate = delegate
        parser.parse()
        return delegate.plainText.trimmingCharacters(in: .whitespacesAndNewlines)
    }
}

class HTMLTextParserDelegate: NSObject, XMLParserDelegate {
    private(set) var plainText = ""
    
    func parser(_ parser: XMLParser, foundCharacters string: String) {
        let trimmed = string.trimmingCharacters(in: .whitespacesAndNewlines)
        if !trimmed.isEmpty {
            plainText += trimmed + " "
        }
    }
    
    // 处理换行标签，保留文本换行逻辑
    func parser(_ parser: XMLParser, didStartElement elementName: String, namespaceURI: String?, qualifiedName qName: String?, attributes attributeDict: [String : String] = [:]) {
        if elementName.lowercased() == "br" || elementName.lowercased() == "p" {
            plainText += "\n"
        }
    }
}

使用示例：

let htmlContent = "<p>这是一段<b>带格式</b>的HTML消息<br>第二行内容</p>"
let plainText = htmlContent.htmlToPlainText()
// 输出："这是一段 带格式 的HTML消息\n第二行内容"

方法2：正则表达式快速清理（适合简单HTML场景） #

如果你的HTML结构简单（无复杂嵌套、无特殊实体），可以用正则直接替换所有HTML标签，速度最快。

extension String {
    func simpleHtmlToPlainText() -> String {
        // 移除所有HTML标签
        let tagRegex = try? NSRegularExpression(pattern: "<[^>]+>", options: .caseInsensitive)
        let tagFreeText = tagRegex?.stringByReplacingMatches(
            in: self,
            options: [],
            range: NSRange(location: 0, length: self.utf16.count),
            withTemplate: ""
        ) ?? self
        
        // 替换常见HTML实体
        return tagFreeText
            .replacingOccurrences(of: "&amp;", with: "&")
            .replacingOccurrences(of: "&lt;", with: "<")
            .replacingOccurrences(of: "&gt;", with: ">")
            .replacingOccurrences(of: "&quot;", with: "\"")
            .trimmingCharacters(in: .whitespacesAndNewlines)
    }
}

使用示例：

let simpleHtml = "<div>简单<b>加粗</b>内容</div>"
let plainText = simpleHtml.simpleHtmlToPlainText()
// 输出："简单加粗内容"

额外优化建议 #

1. 后台队列处理：把解析逻辑放到后台队列执行，避免阻塞主线程：

func processHtmlToPlainText(_ html: String, completion: @escaping (String) -> Void) {
    DispatchQueue.global(qos: .background).async {
        let result = html.htmlToPlainText()
        DispatchQueue.main.async {
            completion(result)
        }
    }
}

2. 缓存结果：如果同一HTML内容会重复处理，建议缓存转换后的纯文本，减少重复计算。

内容的提问来源于stack exchange，提问作者Marta Paniti