/** * @param args */ public static void main(String[] args) { // TODO Auto-generated method stub String str="<p>供应t1紫<a href='http://www.cncu.cn' target='_blank'>铜</a>板、<a href='http://www.cncu.cn/product/tjthj_ct_zt/' target='_blank'>紫铜</a>带,质量很优质,欢迎新老客户前来采购。</p><p><a href='http://www.cncu.cn/product/tjthj_qt/ ' target='_blank'>紫铜带</a>用途:高纯度,组织细密,含氧量极低。无气孔、沙眼、疏松,导电性能极佳,电蚀出的模具表面精度高,经热处理工艺,电极无方向性,适合精打,细打,具有良好的热电道性、加工性、延展性、防蚀性及耐候性等。有良好的导电、导热、耐蚀和加工性能,可以焊接和钎焊 的<br /></p>"; //System.out.println(processContentTest(str)); //String str="<p>供应t1紫<a href='http://www.cncu.cn' target='_blank'>铜</a>"; System.out.println("--------------------------------"); System.out.println(RemoveImgAcontent(str)); } public static String RemoveImgAcontent(String initcontent){ Pattern p = Pattern.compile("</?(A|a)(\n|.)*?>"); //Document doc = Jsoup.parseBodyFragment(initcontent); // or Jsoup.parse(...); Document doc = Jsoup.parseBodyFragment(initcontent); Elements images = doc.select("img"); for(Element image : images){ String altStr=image.attr("alt"); Matcher m1 = p.matcher(altStr); altStr = m1.replaceAll(""); //image.removeAttr("alt"); image.attr("alt", altStr); String titleStr=image.attr("title"); Matcher m2 = p.matcher(titleStr); titleStr = m2.replaceAll(""); //image.removeAttr("title"); image.attr("title", titleStr); } String endcontent=doc.select("body").html(); return endcontent; }
如上例所示 默认解析后生成的内容 中会加上/n符号
看图 做对比
解析前
解析后:
看到没多了一个 /n
查看jsoup的源码 调试后发现 是
package org.jsoup.nodes; .... void outerHtmlHead(StringBuilder accum, int depth, Document.OutputSettings out) { String html = Entities.escape(getWholeText(), out); if (out.prettyPrint() && parent() instanceof Element && !Element.preserveWhitespace((Element) parent())) { html = normaliseWhitespace(html); } if (out.prettyPrint() && ((siblingIndex() == 0 && parentNode instanceof Element && ((Element) parentNode).tag().formatAsBlock() && !isBlank()) || (out.outline() && siblingNodes().size()>0 && !isBlank()) )) indent(accum, depth, out); accum.append(html); }
源码中 该方法里的indent方法
/** * * @param accum * @param depth * @param out */ protected void indent(StringBuilder accum, int depth, Document.OutputSettings out) { accum.append("\n").append(StringUtil.padding(depth * out.indentAmount())); }
就是这个方法加的
看了 他的逻辑
if (out.prettyPrint() && ((siblingIndex() == 0 && parentNode instanceof Element && ((Element) parentNode).tag().formatAsBlock() && !isBlank()) || (out.outline() && siblingNodes().size()>0 && !isBlank()) ))
out.prettyPrint() 应该是是否格式化 ,看了她的方法发现默认就是true的,
siblingIndex() 大概意思是 判断是否根节点之类的 意思
parentNode instanceof Element 大概是判断是否符合element格式
!isBlank()是判断不等于空
几个条件都是true 加起来就进入了 调用indent方法
要想不让jsoup默认给我的字符串加入 /n
我的解决办法是 直接注释 indet方法的实现 让它变成一个空壳方法
这个不是很完美,但是能解决问题
最完美的方案是 能够重写 该indent方法
可惜我还不清楚如何重写
顺便说下 我是从官网 把jsoup的源码下载下来解压到项目进行研究
这是jsoup官网 源码包下载地址 :http://jsoup.org/download