Jsoup clean方法留下元素

Question

我尝试使用此代码完全从HTML元素中清除文本：

Jsoup.clean(preparedText, Whitelist.none())

不幸的是，它没有删除 元素。我认为它将用空格替换它，就像它用中间点（“·”）替换·一样。

我应该使用其他方法来实现此功能吗？

Answer 1

来自Jsoup docs：

  

白名单定义允许通过的HTML（元素和属性）   清洁工。其他一切都被删除了。

因此白名单只关注标签和属性。  既不是标记也不是属性。它只是一个特殊字符的html编码。如果您想要从编码转换为普通文本，您可以使用例如优秀的apache commons lang library或使用Jsoup unescapeEntities method：

System.out.println(Parser.unescapeEntities(doc.toString(), false));

<强>附录：

解析html时，已经发生从·到“·”的转换。它似乎与清洁方法没有关系。