如何在使用jsoup将html转换为纯文本时保留换行符？
如何在使用jsoup将html转换为纯文本时保留换行符？
提问于 2011-04-13 03:11:02
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)));
}我得到的结果是：
hello world yo googlez但我想打破这条线：
hello world
yo googlez我看过jsoup's TextNode#getWholeText()，但我不知道如何使用它。
如果我解析的标记中有<br>，我如何在结果输出中换行？
回答 14
Stack Overflow用户
发布于 2011-05-17 21:26:41
使用
Jsoup.parse("A\nB").text();你有输出
"A B" 而不是
A
B为此，我使用：
descrizione = Jsoup.parse(html.replaceAll("(?i)<br[^>]*>", "br2n")).text();
text = descrizione.replaceAll("br2n", "\n");Stack Overflow用户
发布于 2013-04-24 00:46:07
Jsoup.clean(unsafeString, "", Whitelist.none(), new OutputSettings().prettyPrint(false));我们在这里使用这种方法：
public static String clean(String bodyHtml,
String baseUri,
Whitelist whitelist,
Document.OutputSettings outputSettings)通过传递Whitelist.none()，我们可以确保所有的超文本标记语言都被移除。
通过传递new OutputSettings().prettyPrint(false)，我们可以确保输出不会重新格式化，并且会保留换行符。
Stack Overflow用户
发布于 2018-05-17 22:04:41
在JSoupv1.11.2上，我们现在可以使用Element.wholeText()。
示例代码：
String cleanString = Jsoup.parse(htmlString).wholeText();user121196's answer仍然有效。但是wholeText()保留了文本的对齐方式。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/5640334
复制相关文章
相似问题
腾讯云开发者
