如何從這種類型的html源文件中提取文本？

Question

我有包含約1000條微博的HTML源代碼（每行一條推文）。大多數推文如下所示。我正在使用delphi備忘錄嘗試使用Pos函數和刪除函數去除HTML標記，但失敗了。

<div id='tweetText'> RT <a onmousedown="return touch(this.href,0)" href="http://twitter.com/HighfashionUK">@HighfashionUK</a> RT: Surprise goody bag up 4 grabs, Ok. <a onmousedown="return touch(this.href,0)" href="http://plixi.com/p/57846587">http://plixi.com/p/57846587</a> when we get 150</div> 

我想要去除HTML標記和只有：

RT: Surprise goody bag up 4 grabs, Ok. http://plixi.com/p/57846587 when we get 150 

我怎樣才能提取德爾福這樣的文本？

非常感謝您提前。

更新：

科斯明Prund是正確的。我錯誤地跳過了一部分。我想要的是：

RT @HighfashionUK RT: Surprise goody bag up 4 grabs, Ok. http://plixi.com/p/57846587 when we get 150 

Cosmin Prund很棒。

Answer 1

因爲所有的HTML標記都在<和>之間，所以剝離標記的例程可以這樣平凡地書寫。希望這是你想要的，因爲正如你在我的評論中看到的那樣，@HighfashionUK有一個問題 - 你的例子跳過了，不知道爲什麼。

function StripHtmlMarkup(const source:string):string; 
var i, count: Integer; 
    InTag: Boolean; 
    P: PChar; 
begin 
    SetLength(Result, Length(source)); 
    P := PChar(Result); 
    InTag := False; 
    count := 0; 
    for i:=1 to Length(source) do 
    if InTag then 
     begin 
     if source[i] = '>' then InTag := False; 
     end 
    else 
     if source[i] = '<' then InTag := True 
     else 
     begin 
      P[count] := source[i]; 
      Inc(count); 
     end; 
    SetLength(Result, count); 
end;