Java 在不更改格式的情况下将属性添加到 HTML 标签

Question

A 有一个任务是制作一个 maven 插件，它在特定位置获取 HTML 个文件，并为每个没有它的标签添加一个服务属性。 这是在源代码上完成的，这意味着我和我的同事将不得不进一步编辑这些文件。

作为第一个解决方案，我求助于Jsoup ，它似乎可以完成这项工作，但有一个小而烦人的问题：如果我们有一个带有多个长属性的标签（我们经常这样做，因为这个 HTML 代码是进一步处理的来源）我们包装像这样的行：

<ui:grid id="category_search" title="${handler.getMessage( 'title' )}" 
        class="is-small is-outlined is-hoverable is-foldable"
        filterListener="onApplyFilter" paginationListener="onPagination" ds="${handler.ds}" 
        filterFragment="grid_filter" contentFragment="grid_contents"/>

然而， Jsoup将其变成了一行很长的代码：

<ui:grid id="category_search" title="${handler.getMessage( 'title' )}" class="is-small is-outlined is-hoverable is-foldable" filterListener="onApplyFilter" paginationListener="onPagination" ds="${handler.ds}" filterFragment="grid_filter" contentFragment="grid_contents"/>

这是一种不好的做法，阅读和编辑真的很痛苦。

那么有没有其他不太复杂的方法来添加这个属性而不解析和重组 HTML 代码或者可能以某种方式保留标签内的换行符？

Answer 1

不幸的是，JSoup 的主要用例不是创建由人类读取或编辑的 HTML。 具体来说，JSoup 的 API 非常接近无法存储的DOM或标签内的 model 换行符，因此无法保留它们。

我只能想到两个解决方案：

1. 找到（或编写）一个替代的 HTML 解析器库，它有一个 API 保留标签内的格式。 如果这样的事情已经存在，我会感到惊讶。

2. 通过支持包装在标签内的格式化程序运行生成的代码。 这不会保留原始换行符，但至少属性不会全部在一行上。 我找不到 Java 库来执行此操作，因此您可能需要考虑使用外部程序。

Answer 2

似乎没有什么好方法可以在将标签解析为 POJO 时保留标签内的中断（或者我还没有找到），所以我编写了一个简单的分词器，它将传入的 HTML 字符串分成如下所示的部分：

String[] parts = html.split( "((?=<)|(?<=>))" );

这使用正则表达式查找在<之前和>之后拆分。 然后只需遍历零件并决定是否插入属性。