java - 使用 jsoup 将 HTML 解析为格式化的纯文本

Question

我正在开发一个 Maven 项目，该项目允许我解析网站中的 html 数据。我能够使用下面的代码解析它:

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);
        }
    }

到目前为止我没有遇到任何问题。我可以解析html数据。我使用 jsoup 中的 select 方法并使用“div.col-section”检索数据，这意味着我正在寻找类为 col-section 的 div 元素。我想在文本区域中打印数据。尽管网站上的真实数据不止一个段落，但我得到的结果是一大段。那么如何像网站上那样解析数据呢？

Answer 1

它没有格式化的原因是格式化是在 HTML 中 - 带有 <p>和<ol>标签等调用.text() block 元素上的格式会丢失。

Jsoup 有一个例子 HTML to Plain Text convertor您可以通过提供 div 元素作为焦点来适应您的需求。

或者，您也可以选择 "div.col-section > *" ，并迭代每个元素，并用换行符打印出该文本。