java - JSoup 的替代方案或如何清理空格

Question

有人知道 JSoup 的替代品吗？

或者如何清理像 <p>&nbsp;</p> 这样的序列？

HTML Clean plug-in for jQuery 对我来说效果很好，但我感兴趣的是在服务器端而不是在中进行 html 代码清理客户端。

或者，replaceAll 表达式要做什么？？:

String cleanS = dirtyS.replaceAll("<p>&nbsp;</p>", ""); //This doesnt work

我发现脏 html 带有空格 #160 和其他类似 #32 的混合序列。

所以，我需要的是一个表达式来删除它们的任何混合。

Answer 1

您可以为此更改 OutputSettings:

示例:

final String html = ...;


OutputSettings settings = new OutputSettings();
settings.escapeMode(Entities.EscapeMode.xhtml);

String cleanHtml = Jsoup.clean(html, "", Whitelist.relaxed(), settings);

这对于 Jsoup 解析的 Document 也是可能的:

Document doc = Jsoup.parse(...);
doc.outputSettings().escapeMode(Entities.EscapeMode.xhtml);

// ...

---

编辑:

删除标签:

doc.select("p:matchesOwn((?is) )").remove();

请注意:(?is) 之后不是 是空白，而是 char #160 (= nbsp)。 这将删除所有其自身文本仅为   的 p-Tag。如果您想对所有其他标签执行此操作，可以将 p: 替换为 *:。