jsoup, чтобы удалить только теги html, а не символ новой строки?

У меня есть содержимое ниже на Java, где я хочу удалить только теги html, но не символы новой строки.

<p>test1 <b>test2</b> test 3 </p> //line 1
<p>test4 </p> //line 2

Если я открою вышеуказанное содержимое в текстовом редакторе, строка 1 и строка 2 отображаются в разных строках (без отображения тега </p>). Но в блокноте содержимое отображается вместе с тегами </p>. Чтобы удалить все теги html, которые я использовал

Jsoup.parse(aboveContent).text()

Он удаляет все символы html. Но он показывает всю строку 1 и строку 2 в одной строке в блокноте. Каким-то образом Jsoup также удаляет символ новой строки.

Что я пробовал: -

Я также попытался заменить </p> на \r\n, а затем удалить теги html.

 Jsoup.parse(contentWith\r\n-Insteadof-</p>Tag ).text()

но все же Jsoup удаляет символ конца строки (поскольку в отладчике я вижу как строку 1, так и строку 2) в одной строке.

Как я могу заставить Jsoup удалять только символ html, но не символ новой строки?


java html jsoup end-of-line
person emilly    schedule 22.01.2013    source источник

Ответы (2)


arrow_upward
4
arrow_downward

Вы получаете одну строку, потому что text() удаляет все пробельные символы. Но вы можете использовать StringBuilder и вставлять туда каждую строку:

final String html = "<p>test1 <b>test2</b> test 3 </p>"
                    + "<p>test4 </p>";

Document doc = Jsoup.parse(html);        
StringBuilder sb = new StringBuilder();


for( Element element : doc.select("p") )
{
    /*
     * element.text() returns the text of this element (= without tags).
     */
    sb.append(element.text()).append('\n');
}

System.out.println(sb.toString().trim());

Вывод:

test1 test2 test 3
test4
person ollo    schedule 22.01.2013

arrow_upward
15
arrow_downward

Вы также можете сделать это:

public static String cleanNoMarkup(String input) {
    final Document.OutputSettings outputSettings = new Document.OutputSettings().prettyPrint(false);
    String output = Jsoup.clean(input, "", Whitelist.none(), outputSettings);
    return output;

}

Здесь важны следующие вещи: 1. Whitelist.none() — поэтому никакая разметка не разрешена 2..prettyPrint(false) — поэтому разрывы строк не удаляются

person trafalmadorian    schedule 23.05.2013