在阅读源代码时打破长HTML行

Question

我正在通过

提取Java中的HTML源代码

DefaultHttpClient client = new DefaultHttpClient();
HttpGet httpGet = new HttpGet(url);
HttpResponse response = client.execute(httpGet); 
if (response.getStatusLine().getStatusCode() == 200) 
{ 
sourcepage = EntityUtils.toString(response.getEntity(), "UTF-8"); 
} 
client.getConnectionManager().shutdown();

此代码是我的代码的基线，我将在HTML代码的每一行上执行不同的功能。但是，代码的某些行太长。例如，一行的长度是49966，这在运行代码时会产生一些计算成本问题。我想知道在阅读HTML源代码时是否可以打破HTML行 - 如果它的长度大于阈值？

这也是我逐行阅读代码的方式：

String[] each_line = sourcepage.split("\r?\n");    

Answer 1

这取决于你之后想要用HTML做什么。如果您只是想阅读它，那么您可以在每个以/>结尾的HTML元素之后添加换行符（即content.replace("/>", "/>\n")加上您可以对</[^>]+>进行正则表达式搜索并添加换行符每场比赛结束后。

这应该很好地打破HTML。注意：通常，regexp不是处理HTML的正确工具。但在这种特殊情况下，这已经足够了。

另一种选择是将JTidy添加为代码的依赖项。它具有美化HTML的代码格式化程序。