Comment supprimer les balises HTML d'une chaîne dans SQL Server?

Question

J'ai des données dans SQL Server 2005 qui contiennent des balises HTML et je voudrais tout enlever, ne laissant que le texte entre les balises. Idéalement, en remplaçant également des choses comme < par <, etc.

Y a-t-il un moyen simple de le faire ou quelqu'un a-t-il déjà un exemple de code T-SQL?

Je n'ai pas la possibilité d'ajouter des procédures stockées étendues et similaires, donc je préférerais une approche pure T-SQL (de préférence rétrocompatible avec SQL 2000).

Je veux juste récupérer les données avec les balises HTML supprimées, sans les mettre à jour, donc idéalement cela serait écrit sous forme de fonction définie par l'utilisateur, pour faciliter la réutilisation.

Donc par exemple, en convertissant ceci:

Some useful text 

> more text

en ceci:

Some useful text > more text

Answer 1

Il existe une UDF qui fera cela décrite ici :

Fonction définie par l'utilisateur pour supprimer le HTML

CREATE FUNCTION [dbo].[udf_StripHTML] (@HTMLText VARCHAR(MAX))
RETURNS VARCHAR(MAX) AS
BEGIN
    DECLARE @Start INT
    DECLARE @End INT
    DECLARE @Length INT
    SET @Start = CHARINDEX('<',@HTMLText)
    SET @End = CHARINDEX('>',@HTMLText,CHARINDEX('<',@HTMLText))
    SET @Length = (@End - @Start) + 1
    WHILE @Start > 0 AND @End > 0 AND @Length > 0
    BEGIN
        SET @HTMLText = STUFF(@HTMLText,@Start,@Length,'')
        SET @Start = CHARINDEX('<',@HTMLText)
        SET @End = CHARINDEX('>',@HTMLText,CHARINDEX('<',@HTMLText))
        SET @Length = (@End - @Start) + 1
    END
    RETURN LTRIM(RTRIM(@HTMLText))
END
GO

Éditer : notez que cela concerne SQL Server 2005, mais si vous changez le mot clé MAX par quelque chose comme 4000, cela fonctionnera également dans SQL Server 2000.

Answer 2

Si votre HTML est bien formé, je pense que c'est une meilleure solution :

create function dbo.StripHTML( @text varchar(max) ) returns varchar(max) as
begin
    declare @textXML xml
    declare @result varchar(max)
    set @textXML = REPLACE( @text, '&', '' );
    with doc(contents) as
    (
        select chunks.chunk.query('.') from @textXML.nodes('/') as chunks(chunk)
    )
    select @result = contents.value('.', 'varchar(max)') from doc
    return @result
end
go

select dbo.StripHTML('This is an html test')

Answer 3

Ce n'est pas une nouvelle solution complète mais une correction pour la solution de afwebservant :

--note comments to see the corrections

CREATE FUNCTION [dbo].[StripHTML] (@HTMLText VARCHAR(MAX))  
RETURNS VARCHAR(MAX)  
AS  
BEGIN  
 DECLARE @Start  INT  
 DECLARE @End    INT  
 DECLARE @Length INT  
 --DECLARE @TempStr varchar(255) (this is not used)  

 SET @Start = CHARINDEX('<',@HTMLText)  
 SET @End = CHARINDEX('>',@HTMLText,CHARINDEX('<',@HTMLText))  
 SET @Length = (@End - @Start) + 1  

 WHILE @Start > 0 AND @End > 0 AND @Length > 0  
 BEGIN  
   IF (UPPER(SUBSTRING(@HTMLText, @Start, 4)) <> '') AND (UPPER(SUBSTRING(@HTMLText, @Start, 5)) <> '')  
    begin  
      SET @HTMLText = STUFF(@HTMLText,@Start,@Length,'')  
      end  
-- this ELSE and SET is important
   ELSE  
      SET @Length = 0;  

-- minus @Length here below is important
   SET @Start = CHARINDEX('<',@HTMLText, @End-@Length)  
   SET @End = CHARINDEX('>',@HTMLText,CHARINDEX('<',@HTMLText, @Start))  
-- instead of -1 it should be +1
   SET @Length = (@End - @Start) + 1  
 END  

 RETURN RTRIM(LTRIM(@HTMLText))  
END

Answer 4

Essayez ceci. C'est une version modifiée de celle postée par RedFilter ... cet SQL supprime toutes les balises sauf BR, B et P avec leurs éventuels attributs :

CREATE FUNCTION [dbo].[StripHtml] (@HTMLText VARCHAR(MAX))
RETURNS VARCHAR(MAX)
AS
BEGIN
 DECLARE @Start  INT
 DECLARE @End    INT
 DECLARE @Length INT
 DECLARE @TempStr varchar(255)

 SET @Start = CHARINDEX('<',@HTMLText)
 SET @End = CHARINDEX('>',@HTMLText,CHARINDEX('<',@HTMLText))
 SET @Length = (@End - @Start) + 1

 WHILE @Start > 0 AND @End > 0 AND @Length > 0
 BEGIN
   IF (UPPER(SUBSTRING(@HTMLText, @Start, 3)) <> ' ' ' '',@HTMLText,CHARINDEX('<',@HTMLText, @Start))
   SET @Length = (@End - @Start) - 1
 END

 RETURN RTRIM(LTRIM(@HTMLText))
END

Answer 5

J'ai eu la 'version améliorée' de ici déjà mentionnée par Rory.

Je ne sais pas si c'est spécifique à SQL 2008 R2, mais le < ne fonctionnait pas, le code HTML strippé s'arrêtait juste là.

La solution était simplement de faire du 'moins que' le dernier élément du code.