3

问题很简单，我想将 HTML 文本转换为纯文本，就像在列表中放置换行符<br>或标题标签、数字或标记等。

我目前正在使用BoilerPipe来执行此操作，但这不是该库的主要目标。还有一个可以做到这一点吗？

4

2 回答 2

1

我真的很喜欢 selenium 的 java 库。使用 getBodyText() 获取去掉 html 标签并正确格式化的纯正文文本。

看...

硒 java API

于 2011-09-05T03:52:56.877 回答
0

使用 XML 解析器怎么样？这样，您就可以控制间距和换行符。

我怀疑一个成熟的 HTML 解析器和格式化程序是否可用，因为这会遇到诸如 CSS 解析之类的问题。

于 2011-09-05T03:56:25.737 回答