Beibehalten von Zeilenumbrüchen mit Jsoups HTML-in-Plain-Text-Konvertierung

Jsoup bietet robuste Tools zum Bearbeiten von HTML, aber die Standardkonvertierung von HTML in Plain-Text Text kann Zeilenumbrüche zusammenführen und sie als fortlaufenden Text darstellen. Um diese Umbrüche beizubehalten, können Sie Jsoup wie folgt verwenden:

Eine benutzerdefinierte Funktion zur Beibehaltung von Zeilenumbrüchen:

Das bereitgestellte Java-Code-Snippet führt eine benutzerdefinierte Funktion ein, noTags, die text() von Jsoup nutzt. Methode zum Entfernen von HTML-Tags aus Eingabe-HTML. Es werden jedoch keine Zeilenumbrüche beibehalten.

Erweitern der Funktion durch Ganztextextraktion:

Die JsonNode-Klasse von Jsoup bietet eine getWholeText()-Methode, die den Textinhalt unter Berücksichtigung von Zeilenumbrüchen extrahiert. Mit dieser Methode kann die noTags-Funktion verbessert werden:

public String noTags(String str) {
    return Jsoup.parse(str).wholeText();
}

Implementierung der Zeilenumbrucherhaltung:

Für eine verfeinerte Lösung, die Zeilenumbrüche beibehält:

public static String br2nl(String html) {
    if (html == null)
        return html;
    Document document = Jsoup.parse(html);
    // Suppress pretty printing to preserve line breaks and spacing
    document.outputSettings(new Document.OutputSettings().prettyPrint(false));
    // Append line breaks for 
 tags
    document.select("br").append("\\n");
    // Prepend line breaks for 
 tags
    document.select("p").prepend("\\n\\n");
    String s = document.html().replaceAll("\\\\n", "\n");
    return Jsoup.clean(s, "", Whitelist.none(), new Document.OutputSettings().prettyPrint(false));
}

Diese benutzerdefinierte Funktion stellt sicher, dass Zeilenumbrüche beibehalten werden und an der gewünschten Ausgabe ausgerichtet sind. Es erfüllt zwei Hauptanforderungen:

1. Originalzeilenumbrüche (\n) bleiben erhalten.
2. 
   und

   -Tags werden in Zeilenumbrüche (\n) umgewandelt.