java - Jsoup.parse().text() 添加不需要的空格

Question

我正在尝试清理一个字符串，从中删除所有 html 标签，所以这是我的代码:

System.out.println("Result:" + Jsoup.parse("Dani<div></div>el").text());    

结果是

Result:Dani el

应该是结果:丹尼尔

根据 Jsoup 代码，我发现“问题”出在该方法的 org.jsoup.nodes.Element 中:

public String text() {
    final StringBuilder accum = new StringBuilder();
    new NodeTraversor(new NodeVisitor() {
        public void head(Node node, int depth) {
            if (node instanceof TextNode) {
                TextNode textNode = (TextNode) node;
                appendNormalisedText(accum, textNode);
            } else if (node instanceof Element) {
                Element element = (Element) node;
                if (accum.length() > 0 &&
                    (element.isBlock() || element.tag.getName().equals("br")) &&
                    !TextNode.lastCharIsWhitespace(accum))
                    accum.append(" ");
            }
        }

        public void tail(Node node, int depth) {
        }
    }).traverse(this);
    return accum.toString().trim();
}

当在某个时刻有accum.append("");。很明显，在某些情况下， block html 标签在相应的文本版本中添加一个空格是很方便的；但在某些情况下事实并非如此。就我而言，事实上结果是错误的。

我认为 text() 方法有一个 boolean 参数 preserveWhiteSpaces 来启用或禁用行 accum.append(""); 的执行会很好。我希望 Jsoup 的开发人员可以考虑这个请求:我看到其他人也有这个空格问题。

如果有人有一些好主意可以在不改变 Jsoup 源的情况下解决问题，欢迎。

Answer 1

I'm trying to clean a String removing all html tags from it,

您想要使用clean()方法。

示例代码

System.out.println("Result:" + Jsoup.clean("Dani<div></div>el", Whitelist.none()));

输出

Result:Daniel

<小时/>

In my case however the result is wrong. Do you have some suggestion to solve this problem?

您可以使用自定义 NodeVisitor 实例化 NodeTraversor。

只是给你一个想法:

private static String toText(Element element) {
    final StringBuilder accum = new StringBuilder();
    new NodeTraversor(new NodeVisitor() {
        public void head(Node node, int depth) {
            if (node instanceof TextNode) {
                TextNode textNode = (TextNode) node;
                accum.append(textNode.getWholeText());
            } else if (node instanceof Element) {
                // Do nothing ...
            }
        }

        public void tail(Node node, int depth) {
        }
    }).traverse(element);

    return accum.toString().trim();
}

示例代码

public static void main(String[] args) {
    System.out.println("Result:" + toText(Jsoup.parse("Dani<div></div>el")));
}

输出

Result:Daniel