java - Html 2 文本 - 删除 "hidden"文本

Question

我目前正在寻找使用 Java 读取网站可见文本并将其存储为纯文本字符串的方法。

换句话说，我想转换成这样:

Hello <span style="display: none">stupid</span> World进入“ Hello World ”

或者类似的东西

<span>Un</span>friendly进入“不友好”(而不是“不友好”之类的东西)

或

Hello

World

进入“Hello World”(因为新行在 HTML 中被忽略)

您知道任何能够协助完成这项任务的库吗？

干杯，

马蒂亚斯

Answer 1

Boilerpipe是一个用 Java 编写的 HTML 清理库。