Jsoup.parse（）。text（）添加不需要的空格

Question

我試圖清理一個字符串，從其中刪除所有html標記，所以這是我的代碼：

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

結果是

Result:Dani el

相反應該是Result:Daniel

按照Jsoup代碼，我發現此方法中的“問題”在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();
}

在某個時候有accum.append(" "); 。 很明顯，在某些情況下，一個html塊標記在相應的文本版本中添加一個空格很方便； 但在某些情況下，這是不正確的。 就我而言，結果是錯誤的。

我覺得這是很好的文本（）方法有一個boolean參數preserveWhiteSpaces是啟用或禁用該行的執行accum.append(" "); 。 我希望Jsoup的某些開發人員可以考慮此請求：我看到其他人也對空白存在此問題。

如果有人有一個好主意來解決問題而不進行更改，那么歡迎使用Jsoup來源。

Answer 1

我正在嘗試清理一個字符串，從中刪除所有html標簽，

您要使用clean()方法。

樣本代碼

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

輸出值

Result:Daniel

---

在我看來，結果是錯誤的。 您是否有解決此問題的建議？

您可以使用自定義NodeVisitor實例化NodeTraversor 。

只是給你一個想法：

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();
}

樣本代碼

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

輸出值

Result:Daniel