java Jsoup問題如何按詞拆分？

Question

我想獲取沒有標簽的HTML內容，結果是

word
word
word

因此，我嘗試了以下方法。

public class PreProcessing {

    public static void main(String\[\] args) throws Exception {

        PrintWriter out = new PrintWriter("filename.txt");

        URL url = new URL("[https://en.wikipedia.org/wiki/Distributed\_computing](https://en.wikipedia.org/wiki/Distributed_computing)");

        BufferedReader in = new BufferedReader(new InputStreamReader(url.openStream()));

        String inputLine = "";

        String input = "";


        while ((inputLine = in.readLine()) != null)

        {
            input += inputLine;
            //          System.out.println(inputLine);
        }

        //create Jsoup document from HTML

        Document jsoupDoc = Jsoup.parse(input);

        //set pretty print to false, so \\n is not removed

        jsoupDoc.outputSettings(new OutputSettings().prettyPrint(false));

        //select all <br> tags and append \\n after that

        //        [jsoupDoc.select](https://jsoupDoc.select)("br").after("\\\\n");

        //select all <p> tags and prepend \\n before that

        //        [jsoupDoc.select](https://jsoupDoc.select)("p").before("\\\\n");

        //get the HTML from the document, and retaining original new lines

        String str = jsoupDoc.html().replaceAll(" ", "\n");
        //        str.replaceAll("\t", "");

        String strWithNewLines = Jsoup.clean(str, "", Whitelist.none(), new OutputSettings().prettyPrint(false));
        strWithNewLines.replaceAll("\t", "\n");
        strWithNewLines.replaceAll("\\"", "");

        strWithNewLines.replaceAll(".", "");

        System.out.println(strWithNewLines);

        out.print(strWithNewLines);
    }
}

這是我的代碼我試過en.wiki~ distributed_computin G和讀取BufferedReader和使用jsoupDoc ，我想替換單詞" "到"\\n" ，因為我想word \\n word\\n word\\n這樣。

那么結果是

Distributed

computing

-

Wikipedia                                               Distributed

computing                           From

Wikipedia,

the

free

encyclopedia                                                Jump

to

navigation              Jump

to

search              "Distributed

application"

redirects

here.

For

trustless

applications,

see

但是我想要這樣的結果

Distributed

computing

-

Wikipedia

Distributed

computing

From

Wikipedia

the

free

encyclopedia

Jump

to

navigation

Jump

to

search

Distributed

application

redirects

here

For

trustless

applications

see

我試過像

strWithNewLines.replaceAll("\\"", "");

strWithNewLines.replaceAll(".", "");

但這沒有用。 為什么不起作用？ 我做了谷歌搜索，但是找不到解決方案。

Answer 1

在最后幾行中嘗試此操作。 這將使您更接近所需的結果：

String strWithNewLines = Jsoup.clean ...;
String result = strWithNewLines.replaceAll("\t", "\n")
    .replaceAll("\"", "");
    //.replaceAll(".", "");

System.out.println(result);

您的代碼中的問題是String是不可變的，因此String.replaceAll將不替換原始String中的任何內容，但會在替換完成后生成一個新字符串。 但是您永遠不會使用結果。

.replaceAll(".", "") 。 這將為您提供一個空字符串，因為. 匹配每個字符，它將被一個空字符串替換。