Jsoupを使用してHTMLをテキストに変換するときに改行を保持する方法は?
- DDDオリジナル
- 2024-10-31 20:37:29219ブラウズ
Jsoup を使用した HTML からテキストへの変換での改行の保持
jsoup を使用して HTML をプレーン テキストに変換する場合、改行を保持することができます。出力の読みやすさと構造を維持するために重要です。デフォルトでは、jsoup の text() メソッドは HTML コードに存在する改行を保持しません。
解決策:
改行を効果的に保持するには、br2nl() を利用します。このメソッドには、次の拡張機能が組み込まれています:
- 既存の改行を保持: 元の HTML に改行文字 (n) が含まれている場合、それらは出力で保持されます。
-
変換
タグ:
改行は、
の内容に n を追加することで導入されます。タグ。さらに、の内容の前に nn が追加されます。新しい段落を示すタグ。
- 後処理: 変更された HTML がレンダリングされ、エスケープされた残りの改行 (\n) は実際の改行 (n) に変換されます。他の特殊文字を適切に処理するために、結果の文字列は Jsoup.clean() を使用してクリーンアップされます。
使用法:
<code class="java">import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
public class LineBreakPreserver {
public static String br2nl(String html) {
if (html == null) {
return html;
}
Document document = Jsoup.parse(html);
document.outputSettings(new Document.OutputSettings().prettyPrint(false));
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));
}
public static void main(String[] args) {
String html = "<!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> ";
String result = br2nl(html);
System.out.println(result);
}
}</code>
出力:
hello world yo googlez
以上がJsoupを使用してHTMLをテキストに変換するときに改行を保持する方法は?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。
声明：
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。