java - Jericho纯文本如何分隔文本

Question

我尝试使用 Jericho 解析纯文本，代码如下:

    public static String getPlainText(String html) {
    Source htmlSource = new Source(html);
    Segment htmlSeg = new Segment(htmlSource, 0, html.length());
    Renderer htmlRend = new Renderer(htmlSeg);
   // System.out.println(htmlRend.toString());
    return htmlRend.toString();
}

但是对于以下 html 片段:

    Phone (808) 845-0000<br />
    Fax (808) 842-3616
    <a href="mailto:helpdesk@progressive-hi.com">
    helpdesk@progressive-hi.com</a>         

我得到输出:

Phone (808) 845-0000 Fax (808) 842-3616helpdesk@progressive-hi.com

现在我想要的只是标签中的所有文本都应该彼此分开，即传真和电子邮件应该彼此分开。有什么办法可以实现这一点吗？

谢谢

Answer 1

问题已解决。

Source source=new Source(new URL(sourceUrlString));
System.out.println(source.getTextExtractor().setIncludeAttributes(true).toString());

http://jericho.htmlparser.net/samples/console/src/ExtractText.java