Convert HTML zu Klartext in Java
Ich muss HTML in einfachen Text konvertieren. Meine einzige Formatierungsanforderung besteht darin, neue Zeilen im Klartext beizubehalten. Neue Zeilen sollten nicht nur bei @ angezeigt werd<br>
aber andere Tags, z.<tr/>
, </p>
führt auch zu einer neuen Zeile.
Beispiele für HTML-Seiten zum Testen sind:
http: //www.particle.kth.se/~lindsey/JavaCourse/Book/Part1/Java/Chapter09/scannerConsole.htmhttp: //www.javadb.com/write-to-file-using-bufferedwriteBitte beachten Sie, dass dies nur zufällige URLs sind.
Ich habe verschiedene Bibliotheken (JSoup, Javax.swing, Apache utils) ausprobiert, die in den Antworten auf @ erwähnt wurdediese StackOverflow-Frage, um HTML in einfachen Text umzuwandeln.
Beispiel mit JSoup:
public class JSoupTest {
@Test
public void SimpleParse() {
try {
Document doc = Jsoup.connect("http://www.particle.kth.se/~lindsey/JavaCourse/Book/Part1/Java/Chapter09/scannerConsole.html").get();
System.out.print(doc.text());
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
}
Beispiel mit HTMLEditorKit:
import javax.swing.text.html.*;
import javax.swing.text.html.parser.*;
public class Html2Text extends HTMLEditorKit.ParserCallback {
StringBuffer s;
public Html2Text() {}
public void parse(Reader in) throws IOException {
s = new StringBuffer();
ParserDelegator delegator = new ParserDelegator();
// the third parameter is TRUE to ignore charset directive
delegator.parse(in, this, Boolean.TRUE);
}
public void handleText(char[] text, int pos) {
s.append(text);
}
public String getText() {
return s.toString();
}
public static void main (String[] args) {
try {
// the HTML to convert
URL url = new URL("http://www.javadb.com/write-to-file-using-bufferedwriter");
URLConnection conn = url.openConnection();
BufferedReader reader = new BufferedReader(new InputStreamReader(url.openStream()));
String inputLine;
String finalContents = "";
while ((inputLine = reader.readLine()) != null) {
finalContents += "\n" + inputLine.replace("<br", "\n<br");
}
BufferedWriter writer = new BufferedWriter(new FileWriter("samples/testHtml.html"));
writer.write(finalContents);
writer.close();
FileReader in = new FileReader("samples/testHtml.html");
Html2Text parser = new Html2Text();
parser.parse(in);
in.close();
System.out.println(parser.getText());
}
catch (Exception e) {
e.printStackTrace();
}
}
}