使用 Jsoup 将 HTML 转换为文本时如何保留换行符？
- DDD原创
- 2024-10-31 20:37:29219浏览
使用 Jsoup 在 HTML 到文本转换中保留换行符
使用 jsoup 将 HTML 转换为纯文本时，可以保留换行符对于保持输出的可读性和结构至关重要。默认情况下，jsoup 的 text() 方法不会保留 HTML 代码中存在的换行符。
解决方案：
要有效保留换行符，请使用 br2nl()方法，它包含以下增强功能：
- 保留现有换行符：如果原始 HTML 包含换行符 (n)，它们将保留在输出中。
-
转换
标签：
换行符是通过在
的内容后附加 n 来引入的。标签。另外，nn 被添加到的内容之前。标记来表示新段落。
- 后处理： 呈现修改后的 HTML，并将任何剩余的转义换行符 (\n) 转换为实际换行符 (n)。为了确保正确处理其他特殊字符，使用 Jsoup.clean() 清理生成的字符串。
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>
输出：
hello world yo googlez
以上是使用 Jsoup 将 HTML 转换为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！
声明：
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系admin@php.cn