使用jsoup将HTML解析为格式化的纯文本

Question

我正在做一个Maven项目，该项目使我可以解析网站中的html数据。我可以使用下面的代码来解析它：

public void parseData(){
        String url = "http://stackoverflow.com/help/on-topic";
        try {
            Document doc = Jsoup.connect(url).get();
            Element essay = doc.select("div.col-section").first();
            String essayText = essay.text();
            jTextAreaAdem.setText(essayText);


        } catch (IOException ex) {
            Logger.getLogger(formAdem.class.getName()).log(Level.SEVERE, null, ex);
        }
    }

到目前为止，我还没有问题。我可以解析html数据。我正在从jsoup中使用select方法，并使用“ div.col-
section”检索数据，这意味着我正在使用class为col-
section的div元素进行查找。我想在textarea中打印数据。即使网站上的实际数据超过一个段落，我得到的结果还是一个巨大的段落。那么，如何像在网站上一样解析数据呢？

Answer 1

未格式化的原因是格式化是在HTML中进行的-带<p>和<ol>标记等。调用.text()block元素会丢失该格式。

Jsoup有一个示例HTML到纯文本转换器，您可以通过将div元素作为焦点来适应您的需求。

另外，您可以选择"div.col-section > *"，并遍历每个Element，然后用换行符打印出该文本。