在 Java 中以编程方式添加 <p> 标签

Question

我有这样的 HTML 代码：

<p> This is paragraph 1 </p>
This is paragraph 2
<p> This is paragraph 3 </p>

我将在 Java 中处理上述 HTML，我希望处理后的 HTML 为：

<p> This is paragraph 1 </p>
<p> This is paragraph 2 </p>
<p> This is paragraph 3 </p>

并且可能会有超过一行的大段落。因此，逐行处理在这种情况下不起作用。例如，

<p> ...
...
...
</p>

可能会有这样的情况，

<p> This </p> can be <p> the case too. </p>

我需要将上面的行转换为：

<p> This </p><p> can be </p><p> the case too. </p>

我想实现这个，因为 Jsoup 无法识别没有 < p > 标签的文本。如果 Jsoup 可以通过任何方式做到这一点，我也很高兴。我不希望文档中遗漏任何文本。

Answer 1

您是否尝试过编写解析器来检查每行开头是否有 p 标记？

代码可能看起来像这样：

String[] splitted = html_code.split("\n");
String solution="";
for(String s : splitted){
    s = s.trim();
    if(s.startsWith("<p>"){
        solution+=s;
    }else{
        solution = "<p>"+s+"</p>;
    }
}

Answer 2

JSoup 可以为您提供 <P> 中没有的部分。由于它们未包含在标签中，因此它们是 文本节点 而不是元素。所以你应该遍历节点而不是元素。这是一个例子：

public class SimpleTest {

    public static final String HTML = "<p> This is paragraph 1 </p>\n"
                                    + "This is paragraph 2\n"
                                    + "<p> This is paragraph 3 </p>";

    public static void main(String[] args) {

        Document doc = Jsoup.parse(HTML);

        List<Node> nodes = doc.body().childNodes();

        for ( Node node : nodes ) {
            System.out.printf("Node of %s, %s%n", node.getClass(), node);
        }
    }
}

输出为：

Node of class org.jsoup.nodes.Element, <p> This is paragraph 1 </p>
Node of class org.jsoup.nodes.TextNode,  This is paragraph 2 
Node of class org.jsoup.nodes.Element, <p> This is paragraph 3 </p>

所以当你想对一个未知节点做一些实用的事情时，你应该用instanceof测试它，看看它是TextNode、Element还是其他什么。然后你将它转换为相关的 class，你可以使用它的所有方法，除了 Node.

中可用的方法。

Answer 3

太棒了，我在 RealSkeptic 的帮助下弄明白了。这只是适合问题的代码的改进版本：

for( Node node : nodes ) {
       if( node.getClass() == Element.class ) {
           Element element = (Element) node; 
           System.out.println( element.tag() + " " + element.text() );
       }
       else if( node.getClass() == TextNode.class && ! node.toString().trim().isEmpty() )
           System.out.println( node.toString().trim() );
}

这里我检查了节点isEmpty，因为Jsoup 将每一行都视为一个TextNode。

在 Java 中以编程方式添加 <p> 标签

Add <p> tags programatically in Java

html

java

jsoup