Question

当我使用jsoup解析HTML文件时，HTML文件中多行（带< br />）的文本显示为一行而没有新行（\n）。我如何将多行HTML文档解析为多行字符串??

我使用的方法是：Element.text()

例如：

HTML包含在HtMl文件中以多行正确显示的C代码，但是当我获取文本数据时，所有数据都显示在单行中而没有新的行字符。

Answer 1

将<br />替换为其他内容并返回，如下所示：

Document doc = Jsoup.connect("http://www.ejemplo.html").get(); //Here included the <br>'s
String temp = doc.html().replace("<br />", "$$$"); //$$$ instead <br>
doc = Jsoup.parse(temp); //Parse again

String text = doc.body().text().replace("$$$", "\n").toString()); //example
//I get back the new lines (\n)

Answer 2

元素的text()方法（和TextNode）调用appendWhitespaceIfBr(...)，它将用空格替换每个<br />（或空格）。不幸的是，我认为没有机制可以在没有处理代码的情况下关闭它。

但也许你可以尝试用<br />的新子类替换所有Node标签。

Answer 3

在此查看我对类似问题的回答： https://stackoverflow.com/a/21354729/1510996

有一个静态递归方法的例子可以满足你的要求。

如何使用Jsoup从HTML解析新行

3 个答案: