问答博客资讯标签用户活动
logo极客观点logo项目管理logoHarmonyOS
开发者社区
javascript
前端
python
node.js
react
vue.js
php
laravel
go
人工智能
mysql
linux
ios
java
android
css
typescript
spring
程序员
logoONES 研发管理logo思否企业问答logo安谋科技 XPU

使用 jsoup 将 html 转换为纯文本时如何保留换行符？

社区维基
1
新手上路，请多包涵

我有以下代码：

  public class NewClass {
     public String noTags(String str){
         return Jsoup.parse(str).text();
     }

     public static void main(String args[]) {
         String strings="<!DOCTYPE HTML PUBLIC \"-//W3C//DTD HTML 4.0 Transitional//EN \">" +
         "<HTML> <HEAD> <TITLE></TITLE> <style>body{ font-size: 12px;font-family: verdana, arial, helvetica, sans-serif;}</style> </HEAD> <BODY><p><b>hello world</b></p><p><br><b>yo</b> <a href=\"http://google.com\">googlez</a></p></BODY> </HTML> ";

         NewClass text = new NewClass();
         System.out.println((text.noTags(strings)));
}

我得到了结果：

 hello world yo googlez

但我想打破界限：

 hello world
yo googlez

我看过 jsoup 的 TextNode#getWholeText() 但我不知道如何使用它。

如果在我解析的标记中有 <br> ，我怎样才能在结果输出中换行？

原文由 Billy 发布，翻译遵循 CC BY-SA 4.0 许可协议

Stack Overflow 翻译javajsoup
阅读 2k
1 个回答
得票最新
社区维基
1

保留换行符的真正解决方案应该是这样的：

 public static String br2nl(String html) {
    if(html==null)
        return html;
    Document document = Jsoup.parse(html);
    document.outputSettings(new Document.OutputSettings().prettyPrint(false));//makes html() preserve linebreaks and spacing
    document.select("br").append("\\n");
    document.select("p").prepend("\\n\\n");
    String s = document.html().replaceAll("\\\\n", "\n");
    return Jsoup.clean(s, "", Whitelist.none(), new Document.OutputSettings().prettyPrint(false));
}

它满足以下要求：

  1. 如果原始 html 包含换行符 (\n)，它会被保留
  2. 如果原始 html 包含 br 或 p 标签，它们将被转换为换行符 (\n)。

原文由 user121196 发布，翻译遵循 CC BY-SA 3.0 许可协议

撰写回答
你尚未登录，登录后可以
  • 和开发者交流问题的细节
  • 关注并接收问题和回答的更新提醒
  • 参与内容的编辑和改进，让解决方法与时俱进
推荐问题