zoukankan      html  css  js  c++  java
  • Jsoup提取文本时保留标签

    使用Jsoup来对html进行处理比较方便,你可能会用它来提取文本或清理html标签。如果你想提取文本时保留标签,可以使用Jsoup.clean方法,参数为html及标签白名单:

    Jsoup.clean(html, new Whitelist().addTags("img").addAttributes("img", "data-original", "align", "alt", "height", "src", "title", "width")
                    .addProtocols("img", "src", "http", "https"));//只能是http/https开头的绝对地址

    但是使用时发现对于html片段,上面返回的结果可能令人意想不到。

    另外的方式为将标签进行urlencode转换:

    Document doc = Jsoup.parseBodyFragment(partHtml);
            Elements elements = doc.select("img");
            for (Element element : elements) {
                //将标签X替换为<X>与</X>
                element.replaceWith(new TextNode(element.toString(),""));
            }

    之后再使用doc.text()或Jsoup.clean提取出文本,注意text会将p等标签转为空格而不是换行符,而clean默认会转为换行符。

  • 相关阅读:
    document cookie用法
    禁用表单元素 && 禁止选中
    tool
    居中对齐
    插件
    浮动应用
    兼容低版本 ie 的思路
    Linux无权限上传文件解决办法
    linux系统常用运维命令
    linux系统快捷键
  • 原文地址:https://www.cnblogs.com/makefile/p/5375352.html
Copyright © 2011-2022 走看看