java - 如何将 HTML 转换为保留换行符的文本

Question

我如何将 HTML 转换为保留换行符的文本(由 br、p、div 等元素生成...)可能使用 NekoHTML或任何足够好的 HTML 解析器

例子:
Hello<br/>World
到:

Hello\n  
World  

Answer 1

这是我通过使用 Jsoup 遍历节点来输出文本(包括换行符)的函数。

public static String htmlToText(InputStream html) throws IOException {
    Document document = Jsoup.parse(html, null, "");
    Element body = document.body();

    return buildStringFromNode(body).toString();
}

private static StringBuffer buildStringFromNode(Node node) {
    StringBuffer buffer = new StringBuffer();

    if (node instanceof TextNode) {
        TextNode textNode = (TextNode) node;
        buffer.append(textNode.text().trim());
    }

    for (Node childNode : node.childNodes()) {
        buffer.append(buildStringFromNode(childNode));
    }

    if (node instanceof Element) {
        Element element = (Element) node;
        String tagName = element.tagName();
        if ("p".equals(tagName) || "br".equals(tagName)) {
            buffer.append("\n");
        }
    }

    return buffer;
}