Java删除冗余的html标记_Java_Html

Java删除冗余的html标记

java html

Java删除冗余的html标记,java,html,Java,Html,比如说我有这样的html hello hello hello hello</i&g

比如说我有这样的html

<b><b>hello</b></b>
<b><i>hello</i></b>
<b><b><i><b>hello</b></i></b></b>
<b><u><b><i><u><i>hello</i></u></i></b></u></b>

<b>hello</b>
<b><i>hello</i></b>
<b><i>hello</i></b>
<b><u><i>hello</i></u></b>

你好你好你好你好如何删除/合并冗余标记，使输出看起来像这样

<b><b>hello</b></b>
<b><i>hello</i></b>
<b><b><i><b>hello</b></i></b></b>
<b><u><b><i><u><i>hello</i></u></i></b></u></b>

<b>hello</b>
<b><i>hello</i></b>
<b><i>hello</i></b>
<b><u><i>hello</i></u></b>

你好你好你好你好

我认为在java中最简单的方法是使用String.replace API截断额外的HTML标记

例如：

public static void main(String[] args) {
    String line = "<b><b>hello</b></b>";
    String[] tagsToRemove = { "b", "i" }; // Extend this to include more tags to remove

    for (String tagToRemove : tagsToRemove) {
        line = delRedundantTags(line, tagToRemove);
    }
    System.out.println(line);
}

private static String delRedundantTags(String html, String tag) {
    String headTagPattern = "<" + tag + ">";
    String endTagPattern = "</" + tag + ">";
    return html.replace(headTagPattern + headTagPattern, headTagPattern). /*Remove the front tag*/
                replace(endTagPattern + endTagPattern, endTagPattern);
}

publicstaticvoidmain（字符串[]args）{
String line=“hello”；
String[]tagsToRemove={“b”，“i”}；//扩展此项以包含更多要删除的标记
用于（字符串tagToRemove:tagsToRemove）{
line=delRedundantTags（line，tagToRemove）；
}
系统输出打印项次（行）；
}
私有静态字符串delRedundantTags（字符串html、字符串标记）{
字符串headTagPattern=“”；
字符串endTagPattern=“”；
返回html.replace（headTagPattern+headTagPattern，headTagPattern）。/*删除前面的标记*/
替换（endTagPattern+endTagPattern，endTagPattern）；
}

这种方法的问题在于，您需要知道哪些是冗余标记，例如，上面的代码只适用于粗体和斜体标记，以删除更多冗余标记，然后您必须扩展tagsToRemove阵列

注意：如果冗余标记之间有空格，则API将不起作用。在这种情况下，您必须使用trim（）API或查看正则表达式

这应该是替换重复标记的通用方法

     String line = "<b><b>hello</b></b>";
     line = line.replaceAll("<(.*?)><\\1>", "<$1>");
     System.out.println(line);

String line=“你好”；
line=line.replaceAll（“，”）；
系统输出打印项次（行）；

印刷品

<b>hello</b>

你好使用您的代码可能看起来像：

public static void main(String[] args) {
    String html = "<b><b>hello</b></b>\r\n" + "<b><i>hello</i></b>\r\n"
            + "<b><b><i><b>hello</b></i></b></b>\r\n"
            + "<b><u><b><i><u><i>hello</i></u></i></b></u></b>";

    Document doc = Jsoup.parseBodyFragment(html);

    System.out.println("before: ");
    System.out.println(doc.body());

    for (Element el : doc.getAllElements()) {
        if (hasSameTypeAncestor(el)) {
            el.unwrap();
        }
    }

    System.out.println("========");
    System.out.println("after:");
    System.out.println(doc.body());

}

private static Set<String> tagsIDontWantToNest = new HashSet<>(Arrays.asList("b","i","u"));

private static boolean hasSameTypeAncestor(Element element) {

    Tag tag = element.tag();
    //handle only these tags: <b> <i> <u>
    if (tagsIDontWantToNest.contains(tag.getName())) {
        for (Element el : element.parents()) {
            if (el.tag().equals(tag)) {
                return true;
            }
        }
    }
    return false;
}

publicstaticvoidmain（字符串[]args）{
字符串html=“hello\r\n”+“hello\r\n”
+“你好\r\n”
+“你好”；
Document doc=Jsoup.parseBodyFragment（html）；
System.out.println（“之前：”）；
System.out.println（doc.body（））；
对于（元素el:doc.getAllegements（））{
if（HassameType（el））{
el.展开（）；
}
}
System.out.println（“=============”）；
System.out.println（“之后：”）；
System.out.println（doc.body（））；
}
私有静态集tagsidontwantonest=newhashset（Arrays.asList（“b”、“i”、“u”））；
私有静态布尔HassameType祖先（元素）{
Tag Tag=element.Tag（）；
//仅处理这些标记：
if（tagsidontwantonest.contains（tag.getName（）））{
对于（元素el:Element.parents（））{
如果（el.tag（）等于（tag））{
返回true；
}
}
}
返回false；
}

输出：

before: 
<body>
 <b><b>hello</b></b> 
 <b><i>hello</i></b> 
 <b><b><i><b>hello</b></i></b></b> 
 <b><u><b><i><u><i>hello</i></u></i></b></u></b>
</body>
========
after:
<body>
 <b>hello</b> 
 <b><i>hello</i></b> 
 <b><i>hello</i></b> 
 <b><u><i>hello</i></u></b>
</body>

之前：
你好
你好
你好
你好
========
之后：
你好
你好
你好
你好

这不适用于hello和hellowoops抱歉，我没有注意到其他要求。对于这种情况，@Pshemo的解决方案无疑是可行的。