java - jsoup 解析下标和上标的html

Question

我正在使用 Jsoup将剪贴板值解析为 html 代码，但它不适用于 subscript和 superscript .例如:

上标
你好^世界(HTML:<b>Hello <sup>World</sup></b>)

下标
你好_世界(HTML:<b>Hello <sub>World</sub></b>)

代码

result = rtfToHtml(new StringReader(streamToString((InputStream) contents.getTransferData(dfRTF))));

上面例子的结果是:

< html >
  < head >
    < style >
      < !--
        p.default {
          size:3;
          family:sansserif;
          foreground:#000000;
          bold:normal;
          italic:;
        }
      -- >
    < /style >
  < /head >
  < body >
    < p class=default >
      < span style="color: #000000; font-size: 14pt; font-family: ArialMT">
        < b>Hello < /b>
      < /span>
      < span style="color: #000000; font-size: 11pt; font-family: ArialMT">
        < b>World< /b>
      < /span>
    < /p>
  < /body>
< /html>

知道如何处理 Superscript和 Subscript使用 Jsoup。非常感谢任何建议或引用。

编辑

        Clipboard clipboard = Toolkit.getDefaultToolkit().getSystemClipboard();
        Transferable contents = clipboard.getContents(null);
        DataFlavor dfRTF = new DataFlavor("text/rtf", "Rich Formatted Text");
        DataFlavor dfTxt = DataFlavor.stringFlavor;

        boolean hasTransferableRTFText = (contents != null)
                && contents.isDataFlavorSupported(dfRTF);
        boolean hasTransferableTxtText = (contents != null)
                && contents.isDataFlavorSupported(dfTxt);
if (hasTransferableRTFText) {
            try {
result = rtfToHtml(new StringReader(streamToString((InputStream) contents.getTransferData(dfRTF))));
Document doc = Jsoup.parse(result);
}
}

编辑

public static String rtfToHtml(Reader rtf) throws IOException { // From http://www.codeproject.com/Tips/136483/Java-How-to-convert-RTF-into-HTML
        JEditorPane p = new JEditorPane();
        p.setContentType("text/rtf");
        EditorKit kitRtf = p.getEditorKitForContentType("text/rtf");
        try {
            kitRtf.read(rtf, p.getDocument(), 0);
            kitRtf = null;
            EditorKit kitHtml = p.getEditorKitForContentType("text/html");
            Writer writer = new StringWriter();
            kitHtml.write(writer, p.getDocument(), 0, p.getDocument().getLength());
            return writer.toString();
        } catch (BadLocationException e) {
            e.printStackTrace();
        }
        return null;
    }

Answer 1

您的问题与 JSoup 无关，而是与您的 rtfToHtml 函数有关。

您的函数不会生成您期望的 _{和 ^{标记。JSoup 在这一步不能做任何事情，因为预期的标签不在这里，所以你不能解析它们。}}

编辑:(和解决方案)

如无必要，您应该跳过 rtfToHTML 步骤。如果剪贴板包含已经为 HTML 格式的数据，那么在 rtf 中请求它然后将其转换回 HTML 意味着在转换过程中会丢失格式信息。

可以直接获取HTML格式的剪贴板，避免不必要的转换:

DataFlavor dfHTML = new DataFlavor("text/html; charset=Unicode");
boolean hasTransferableHTMLText = (contents != null) && contents.isDataFlavorSupported(dfHTML);
if (hasTransferableHTMLText)
{
    InputStream is = (InputStream)contents.getTransferData(dfHTML);
    String htmldata = org.apache.commons.io.IOUtils.toString(is, "Unicode");  

    Document doc = Jsoup.parse(htmldata);
    System.out.println(doc.html());
    //...
}

测试了从 Chrome 和 FF 复制到剪贴板。两者都保留了您期望的 _{和 ^标签。}

编辑 2:

IOUtils指的是org.apache.commons.io.IOUtils