我正在为一家公司构建一个应用程序，不幸的是，该公司的网站设计非常糟糕。大多数 HTML 标签是错误的，有时是随机放置的，过度使用不间断空格，p 标签是随机分配的，它们不遵循任何规则等等......
我正在使用爬虫从他们的网站检索数据，然后通过我自己的网络服务将结果字符串提供给我的应用程序。问题是，一旦显示到android textview中，文本格式全部错误，分散且不均匀，非常混乱。
另外，值得一提的是，由于各种原因，我不能建议公司修改他们的网站......
我试过了
String text = Html.fromHtml(myString).toString();
和其他变体，我什至尝试过手动格式化它，但这很痛苦。
我的问题是：
是否有一种简单、优雅的方法可以直接在我的 Android 应用程序中使用我的 Web 服务上的 PHP 或使用 Java 重新格式化所有这些文本？
感谢任何愿意花时间回答的人...
如果您将代码保留在适当的位置，则可以使用Tidy和 PHP 来清理代码。否则剥离 HTML 可能会使使用它更容易。
我会这样：不，没有简单、优雅的方法。HTML 结合了数据和视觉表示，它们本质上是相互联系的。要了解数据，您必须查看标签。标签喜欢<h1>并<a>带有含义。
如果 HTML 的结构足以将其分解为有意义的块：标题、正文和不相关/不重要的内容。然后你可以对这些应用重新设计原则。一个简单的解决方案是去掉所有标签，只获取 textNodes 并将它们拼接在一起。如果 HTML 的格式异常糟糕，您可能会得到乱序的句子，但如果 HTML 不是太做作，我希望这种方法应该有效。
为了让您了解所涉及的复杂性：您可以拥有<span>应用了样式的 s，例如display: block. 这改变了 span 的显示方式，从 inline 到 block，因此它的行为更像是 a <div>would。这意味着每个<span>人都可能在自己的行上，这似乎会强制换行。检测这些情况并非不可能，但它非常复杂。谁知道当你有列表元素、表格甚至浮动元素时会发生什么？他们可能完全不正常。
可能不是最优雅的解决方案，但我设法通过根据我对 php 的需要剥离一些标签（这很容易做到）然后将检索到的字符串显示到格式化的 WebView 中来获得最佳结果。
正如我所说，可能不是最优雅的解决方案，但在这种情况下它对我来说效果最好。