Java 使用空格字符规范化从节点获取文本内容

我正在使用XPATH和Java，希望从一个html页面中提取一些文本。 文本位于某些div下，中间有一些空白字符，如

等。 我希望在提取时将它们分别转换为“space”和“newline”。 我用来提取文本的方法是Element.getTextContent（），它不考虑空格字符

有没有人能告诉我有没有一种方法可以用空白规范化来提取文本 或 提取“节点”下的整个html标记，以便我自己替换它。 谢谢

---

Nayn

XPath不能用字符串替换节点

一个简单的XSLT转换可以完成这项任务

例如：

<xsl:stylesheet version="2.0"
    xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
    <xsl:output omit-xml-declaration="yes" indent="yes"/>

 <xsl:template match="node()|@*">
     <xsl:copy>
       <xsl:apply-templates select="node()|@*"/>
     </xsl:copy>
 </xsl:template>

 <xsl:template match="text()">
   <xsl:value-of select="translate(.,'&#xA0;', ' ')"/>
 </xsl:template>

 <xsl:template match="br">
   <xsl:text>&#10;</xsl:text>
 </xsl:template>
</xsl:stylesheet>

<p> 

</p>

当此转换应用于以下XML文档时：

<p>&#xA0;<br/></p>

和#xA0

产生所需结果：

<xsl:stylesheet version="2.0"
    xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
    <xsl:output omit-xml-declaration="yes" indent="yes"/>

 <xsl:template match="node()|@*">
     <xsl:copy>
       <xsl:apply-templates select="node()|@*"/>
     </xsl:copy>
 </xsl:template>

 <xsl:template match="text()">
   <xsl:value-of select="translate(.,'&#xA0;', ' ')"/>
 </xsl:template>

 <xsl:template match="br">
   <xsl:text>&#10;</xsl:text>
 </xsl:template>
</xsl:stylesheet>

<p> 

</p>

不是文本内容，而是元素。我不知道你在找什么。尝试访问元素下的所有文本节点（记住递归检查元素子元素）并调用getNodeValue（）
 好问题（+1）。请看我的答案以获得完整的解决方案。这个答案很简单。问题是，getTextContent连接所有忽略和
的字符串。我写了一个小的递归方法，在文本之间插入空格。谢谢。这对我将来的需要很有用。谢谢