在JAVA中删除HTML中的冗余空间

需要执行一些HTML清理

有很多冗余br标记的HTML，到目前为止尝试了HtmlCleaner和jTidy，但没有任何结果

例如：

<br>
<br>
<br>
<br>
...

我只想拿回一张单人票

---

如果您只想删除多余的标记，那么我建议使用一个简单的解析状态机来进行解析，因为Jericho非常擅长保存数据

状态机会简单地保留最后一个标记，如果最后一个标记是一个标记，而下一个标记是一个标记，您只需忽略它。这是一个非常简单的练习，我建议你试试。我不建议手动文本解析，即不使用HTML解析器，因为它很容易出错

---

我还想提醒大家，尽管人们可能会使用标签，但它是一个明确的内容标签。因此，删除标记就是更改内容。也许您不必删除一些HTML，而是从更结构化的源（如XML提要、REST API或数据库等）获取内容。

更具体一些。举个HTML的例子，它基本上只是一堆重复的br标签，想用一个br来代替。你可以通过一个在线浏览器发送你的html，然后进行大规模替换，也就是说，你是对的，这实际上就是内容。但我想说的是，有时候删除换行符是件好事，就像从前导或尾随空格中修剪字符串一样。某些法律文件和规范要求特定的空格。作为一个输入文档的用户，如果你删掉我的新行，我会觉得很烦人。这与在单个字段（如标题字段）上修剪输入不同。它是@AdamGent。但即使是StackOverflow似乎也能做到这一点。例如，在这个注释中，新行从注释中删除。我在“例如”前后都有新行。如果我编辑评论，它们仍然存在，但它们不可见。