如何在 j2ee 中用换行符替换一些标签并删除其他标签答案

【问题标题】：How to replace some tags and remove others with line break in j2ee如何在 j2ee 中用换行符替换一些标签并删除其他标签
【发布时间】：2014-09-05 22:01:36
【问题描述】：

主要问题是获取 html 文件的内容并删除所有标签。
我以前读过这些问题：

1,2,3

在阅读完所有这些后，我决定使用jsoup，它确实对我有帮助。我还意识到如何保留换行符并将<p>标签替换为换行符。
现在我的问题是我有一个 html 文件，其中有一个 <H1> 标记，其中整个内容的标题都可用，我想用换行符保留它，但是使用 jsoup，第一个段落正好在标题之后，没有任何行休息。有人可以帮我吗？
我的 html 代码：

<DIV class="story-headline">
<H1 class="story-title">NFL 2014 predictions</H1>
</DIV>
<H3 class="story-deck">Our picks for playoff teams, surprises, Super Bowl</H3>
<P class="small lighttext">
<SPAN class="delimited">Posted: Sep 02, 2014 1:30 PM ET</SPAN>
<SPAN>Last Updated: Sep 04, 2014 10:27 AM ET</SPAN>
</P>

输出是：

NFL 2014 predictionsOur picks for playoff teams, surprises, Super Bowl

Posted: Sep 02, 2014 1:30 PM ETLast Updated: Sep 04, 2014 10:27 AM ET

我希望它是：

NFL 2014 predictions  
Our picks for playoff teams, surprises, Super Bowl  
Posted: Sep 02, 2014 1:30 PM ET  
Last Updated: Sep 04, 2014 10:27 AM ET

【问题讨论】：

关闭你的
后添加
HTML 代码是我的输入，我应该如何更改它？

标签： jakarta-ee jsoup

【解决方案1】：

你应该钩住目标Document的OutputSettings，所以试试下面的方法：

public class HtmlWithLineBreaks 
{

  public String getCleanHtml(Document document)
  {
    document.outputSettings(new Document.OutputSettings().prettyPrint(false)); //makes html() call preserve linebreaks and spacing
    return Jsoup.clean(document.html(),
        "",
        Whitelist.none(),
        new Document.OutputSettings().prettyPrint(false));
  }

  public static void main(String... args)
  {
    File input = new File("/path/to/some/input.html"); //Just replace the input with you own html file source
    Document document;
    try
    {
      document = Jsoup.parse(input, "UTF-8");
      String printOut = new HtmlWithLineBreaks().getCleanHtml(document);
      System.out.println(printOut);
    } catch (IOException e)
    {
      e.printStackTrace();
    } 
  }

}

可选如果您对提供的输出不满意，您可以在 <h1> <div> 包装器之后插入自定义换行符：

public String getCleanHtml(Document document)
{
  document.outputSettings(new Document.OutputSettings().prettyPrint(false));
  document.select("h1").parents().select("div").append("\n"); // Insert a linebreak after the h1 div parent.
  return Jsoup.clean(document.html(),
      "",
      Whitelist.none(),
      new Document.OutputSettings().prettyPrint(false));
}

【讨论】：

它不理解 <DIV> 或 <H1> 标签在每个结束后插入 \n。所以输出会像第一个
你试一试了吗？我假设没有，因为代码已经引入了我刚刚纠正的错误。
我还更新了有关如何插入显式换行符的答案，即使Jsoup 了解您的内联块并相应地包装它们。