jsoup仅剥离html标记而不是新行字符？

Question

我有下面的Java内容，我只想剥离html标记，而不是新行字符

<p>test1 <b>test2</b> test 3 </p> //line 1
<p>test4 </p> //line 2

如果我在文本丰富编辑器中打开上面的内容，第1行和第2行以不同的行显示（不显示）

Jsoup.parse(aboveContent).text()

它删除所有html字符。但它在记事本的同一行中显示了所有的第1行和第2行。不知何故，Jsoup也删除了换行符。

我尝试的是：-

我还尝试替换

 Jsoup.parse(contentWith\r\n-Insteadof-</p>Tag ).text()

但是，在同一行中，JSoup仍然会删除行尾字符（在调试器中，我可以看到line1和line2）。

如何使Jsoup只剥离html字符而不剥离新行字符？




Answer 1

因为text（）删除了所有空白字符，所以只有一行。但您可以使用StringBuilder并在其中插入每一行：

final String html = "<p>test1 <b>test2</b> test 3 </p>"
                    + "<p>test4 </p>";

Document doc = Jsoup.parse(html);        
StringBuilder sb = new StringBuilder();


for( Element element : doc.select("p") )
{
    /*
     * element.text() returns the text of this element (= without tags).
     */
    sb.append(element.text()).append('\n');
}

System.out.println(sb.toString().trim());

输出：

test1 test2 test 3
test4

Answer 2

您也可以这样做：

public static String cleanNoMarkup(String input) {
    final Document.OutputSettings outputSettings = new Document.OutputSettings().prettyPrint(false);
    String output = Jsoup.clean(input, "", Whitelist.none(), outputSettings);
    return output;

}

这里最重要的是：1。白名单。none（）-因此不允许使用任何标记2。。预打印（假）-因此不会删除换行符