我尝试从 JTextPane 获取漂亮(干净)的文本内容。这是来自 JTextPane 的示例代码:
JTextPane textPane = new JTextPane ();
textPane.setContentType ("text/html");
textPane.setText ("This <b>is</b> a <b>test</b>.");
String text = textPane.getText ();
System.out.println (text);
JTexPane 中的文本看起来像这样:
This is a test.
我将这种打印输出到控制台:
<html>
<head>
</head>
<body>
This <b>is</b> a <b>test</b>.
</body>
</html>
我用过 substring()和/或 replace()代码，但是用起来不舒服:
String text = textPane.getText ().replace ("<html> ... <body>\n , "");
除了<b> 之外，是否有任何简单的函数可以删除所有其他标签？来自字符串的标签(内容)？
有时 JTextPane添加 <p>内容周围的标签，所以我也想摆脱它们。
像这样:
<html>
<head>
</head>
<body>
<p style="margin-top: 0">
hdfhdfgh
</p>
</body>
</html>
我只想获取带有标签的文本内容:
This <b>is</b> a <b>test</b>.
最佳答案
我子类化了 HTMLWriter 并覆盖 startTag和 endTag跳过 <body> 之外的所有标签.
我没有测试太多，它似乎工作正常。一个缺点是输出字符串有很多空格。摆脱它不应该太难。
import java.io.*;
import javax.swing.*;
import javax.swing.text.*;
import javax.swing.text.html.*;
public class Foo {
public static void main(String[] args) throws Exception {
JTextPane textPane = new JTextPane();
textPane.setContentType("text/html");
textPane.setText("<p>This</p> <b>is</b> a <b>test</b>.");
StringWriter writer = new StringWriter();
HTMLDocument doc = (HTMLDocument) textPane.getStyledDocument();
HTMLWriter htmlWriter = new OnlyBodyHTMLWriter(writer, doc);
htmlWriter.write();
System.out.println(writer.toString());
}
private static class OnlyBodyHTMLWriter extends HTMLWriter {
public OnlyBodyHTMLWriter(Writer w, HTMLDocument doc) {
super(w, doc);
}
private boolean inBody = false;
private boolean isBody(Element elem) {
// copied from HTMLWriter.startTag()
AttributeSet attr = elem.getAttributes();
Object nameAttribute = attr
.getAttribute(StyleConstants.NameAttribute);
HTML.Tag name = null;
if (nameAttribute instanceof HTML.Tag) {
name = (HTML.Tag) nameAttribute;
}
return name == HTML.Tag.BODY;
}
@Override
protected void startTag(Element elem) throws IOException,
BadLocationException {
if (inBody) {
super.startTag(elem);
}
if (isBody(elem)) {
inBody = true;
}
}
@Override
protected void endTag(Element elem) throws IOException {
if (isBody(elem)) {
inBody = false;
}
if (inBody) {
super.endTag(elem);
}
}
}
}
关于java - 如何将 JTextPanes/JEditorPanes html 内容清理为 Java 中的字符串？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/5499758/