使用jsoup将html转换为纯文本时，如何保留换行符？

一尘不染

使用jsoup将html转换为纯文本时，如何保留换行符？

java

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)));
}

结果是：

hello world yo googlez

但我想打破界限：

hello world
yo googlez

我已经看过jsoup的TextNode＃getWholeText（），但是我不知道如何使用它。

如果<br>我解析的标记中有一个，如何在结果输出中换行？

阅读 1426

2020-03-10

共1个答案

一尘不染

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));
}

满足以下要求：

如果原始html包含换行符（\ n），则保留它
如果原始html包含br或p标签，它们将被翻译为换行符（\ n）。

2020-03-10