Избегайте конкатенации без пробелов с помощью JSoup

Предположим, у меня есть div как таковой:

<div>
This is a paragraph
written by someone
on the internet.
</div>

Проблема в том, что когда JSoup анализирует это, он помещает все это в одну строку, поэтому, когда я вызываю text(), он читается как таковой:

This is a paragraphwritten by someoneon the internet.

Теперь я понимаю, что на самом деле это не проблема JSoup, поскольку фактический html не содержит пробелов. Однако есть ли способ использовать JSoup (возможно, какое-то переопределение или, может быть, вариант, который я не видел), чтобы при анализе он добавлял пробел между строками? Я предполагаю, что это должно быть возможно (поскольку я могу проверить элемент в Chrome и отменить перенос слов, и он получит то, что я хочу), но я не уверен, что JSoup может это сделать.

Есть предположения?


java dom screen-scraping jsoup
person AHungerArtist    schedule 20.08.2011    source источник

Ответы (2)


arrow_upward
2
arrow_downward

следующий пост показывает, как вы получаете все, включая разрыв строки

Удаление объектов HTML при сохранении разрывов строк с помощью JSoup

ответ и комментарий в следующем также имеют другой способ (прочитайте комментарий в нем)

Удалить теги HTML из строки

и у этого есть еще один способ, если вы проверите все ответы и комментарии

Как Я сохраняю разрывы строк при использовании jsoup для преобразования html в обычный текст?

person Community    schedule 20.08.2011
comment
Мне нужно поработать над своими поисковыми навыками. Спасибо. Приму, когда время позволит. - person AHungerArtist; 20.08.2011

arrow_upward
3
arrow_downward

Можете ли вы предоставить полный пример вашего кода? Какую версию jsoup вы используете?

В текущей версии (1.6.1) этот код:

Document doc = Jsoup.parse("<div>\n" +
    "This is a paragraph\n" +
    "written by someone\n" +
    "on the internet.\n" +
    "</div>");
System.out.println(doc.text());

Производит:

This is a paragraph written by someone on the internet.

То есть \n (и \r\n и т. д.) преобразуются в текст как пробелы.

С удовольствием исправлю или улучшу, если смогу повторить :)

person Jonathan Hedley    schedule 28.08.2011
comment
На самом деле, с Jsoup все в порядке, именно так я читал данные (кстати, JSoup довольно крут). Если бы я только что сделал простой тест, подобный приведенному выше, я бы знал, что нужно искать в другом месте раньше. Однако теперь мне любопытно, возможно ли, чтобы JSoup не анализировал новые строки? - person AHungerArtist; 29.08.2011
comment
Да, новые строки сохраняются и нормализуются только при выводе .text(). Вы можете получить их, обратившись к TextNode для текста и нажав .getWholeText() - jsoup.org/apidocs/org/jsoup/nodes/TextNode.html#getWholeText() - person Jonathan Hedley; 30.08.2011