使用 Jsoup 将 HTML 转换为纯文本时如何保留换行符？

使用 Jsoup 的 Html 到纯文本转换来保留换行符

Jsoup 提供了强大的 HTML 操作工具，但其默认从 HTML 到纯文本的转换文本可以合并换行符，将它们呈现为连续文本。要保留这些换行符，请按照以下方式使用 Jsoup：

用于保留换行符的自定义函数：

提供的 Java 代码片段引入了一个自定义函数 noTags，它利用 Jsoup 的 text()从输入 HTML 中去除 HTML 标签的方法。但是，它不维护换行符。

通过全文本提取增强功能：

Jsoup 的 JsonNode 类提供了 getWholeText() 方法，该方法可以在考虑换行符的同时提取文本内容。使用此方法，可以改进 noTags 功能：

<code class="java">public String noTags(String str) {
    return Jsoup.parse(str).wholeText();
}</code>

实现换行符保留：

有关保留换行符的更精细的解决方案：

<code class="java">public static String br2nl(String html) {
    if (html == null)
        return html;
    Document document = Jsoup.parse(html);
    // Suppress pretty printing to preserve line breaks and spacing
    document.outputSettings(new Document.OutputSettings().prettyPrint(false));
    // Append line breaks for <br> tags
    document.select("br").append("\n");
    // Prepend line breaks for <p> tags
    document.select("p").prepend("\n\n");
    String s = document.html().replaceAll("\\n", "\n");
    return Jsoup.clean(s, "", Whitelist.none(), new Document.OutputSettings().prettyPrint(false));
}</code>

此自定义函数可确保保留换行符，并与所需的输出对齐。它满足两个关键要求：

1. 保留原始换行符 (n)。
2. 
   和

   标签被转换为换行符 (n)。

以上是使用 Jsoup 将 HTML 转换为纯文本时如何保留换行符？的详细内容。更多信息请关注PHP中文网其他相关文章！