如何使用Jsoup解析HTML中的换行符

Question

当我使用jsoup解析HTML文件时，HTML文件中多行文本（带有< br />）会呈现为没有换行符（\n）的单行。我该如何将多行HTML文档解析为多行字符串？我正在使用Element.text()方法。

例如：HTML包含C代码，在HTML文件中以多行正确显示，但是当我获取文本数据时，所有数据都呈现为没有换行字符的单行。

- Vinod Kunnakkattil

Answer 1

请将<br />替换为其他内容，然后再替换回来，例如：

Document doc = Jsoup.connect("http://www.ejemplo.html").get(); //Here included the <br>'s
String temp = doc.html().replace("<br />", "$$$"); //$$$ instead <br>
doc = Jsoup.parse(temp); //Parse again

String text = doc.body().text().replace("$$$", "\n").toString()); //example
//I get back the new lines (\n)

- acrux

Answer 2

Element（和TextNode）的text()方法调用appendWhitespaceIfBr(...)，它将用空白替换每个
（或空格）。不幸的是，我没有看到任何机制可以在不处理代码的情况下关闭它。

但也许您可以尝试使用Node的新子类替换所有
标签。

- ollo