使用jsoup将html转换为纯文本时如何保留换行符？ [英] How do I preserve line breaks when using jsoup to convert html to plain text?
本文介绍了使用jsoup将html转换为纯文本时如何保留换行符？的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
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)));
}
我有结果：
hello world yo googlez
但我想要打破界限：
hello world
yo googlez
我查看了 jsoup的TextNode＃getWholeText（）但我无法弄清楚如何使用它。
I have looked at jsoup's TextNode#getWholeText() but I can't figure out how to use it.
如果有< br> 在我解析的标记中，如何在结果输出中获得换行符？
If there's a <br> in the markup I parse, how can I get a line break in my resulting output?
推荐答案
保留换行符的真正解决方案应该是这样的：
The real solution that preserves linebreaks should be like this:
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));
}
满足以下要求：
- 如果原始html包含换行符（\ n），则会保留
- 如果原始html包含br或p标签，则会获得翻译为换行符（\ n）。
这篇关于使用jsoup将html转换为纯文本时如何保留换行符？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
查看全文
