当前位置：文江博客话题详情

是否有一个体面的、可定制的 HTML 到 Markdown Java API？

发布于 2024-09-30 07:39:02 字数 407 浏览 3 评论 0原文

我想保存从各种来源抓取的文本，但不包含 HTML 标签，但也尽可能保留合理的结构。

Markdown 似乎是这个问题的解决方案（或者可能是 MultiMarkdown）。

有一个问题提供了从 HTML 转换为 Markdown 的建议，但我想要指定一些具体的事情：

所有链接（包括图像）仅在END处引用（即没有内联url）
没有嵌入的HTML（我什至还没有100%确定我想如何处理困难的HTML...但它不会被嵌入！）

所以我的问题如标题中所述：是否有一个体面的、可定制的 HTML 到 Markdown Java API？

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

深空失忆 2024-10-07 07:39:02

您可以尝试调整 HtmlCleaner ，它在 DOM 上提供了一个可行的接口：

TagNode root = htmlCleaner.clean( stream );
Object[] found = root.evaluateXPath( "//div[id='something']" );
if( found.length > 0 && found instanceof TagNode ) {
    ((TagNode)found[0]).removeFromTree();
}

这将允许您在 DOM 上构建输出流使用相当简单的 API 可以处理任何您想要的格式。

You could try adapting HtmlCleaner which provides a workable interface onto the DOM:

TagNode root = htmlCleaner.clean( stream );
Object[] found = root.evaluateXPath( "//div[id='something']" );
if( found.length > 0 && found instanceof TagNode ) {
    ((TagNode)found[0]).removeFromTree();
}

This would allow you to structure your output stream in any format that you want using a fairly simple API.

回复收藏 0 原文

自由如风 2024-10-07 07:39:02

有一个很棒的 JS 库，名为 Turndown，你可以在线尝试此处。它可以部分定制。例如，可以在末尾引用链接。据我所知，没有嵌入 html，一切都被转换了。

我需要它用于 Java（作为链接的问题），所以我移植了它。 Java 库称为 CopyDown，它具有与 Turndown 相同的测试套件。

使用 gradle 安装：

dependencies {
        compile 'io.github.furstenheim:copy_down:1.0'
}

然后使用它：

CopyDown converter = new CopyDown();
String myHtml = "<h1>Some title</h1><div>Some html<p>Another paragraph</p></div>";
String markdown = converter.convert(myHtml);
System.out.println(markdown);
> Some title\n==========\n\nSome html\n\nAnother paragraph\n

There is a great library for JS called Turndown, you can try it online here. It can be partially customized. For example, links can be referenced at the end. And as far as I know there is no embedded html, everything is transformed.

I needed it for Java (as the linked question), so I ported it. The library for Java is called CopyDown, it has the same test suite as Turndown.

To install with gradle:

dependencies {
        compile 'io.github.furstenheim:copy_down:1.0'
}

Then to use it:

CopyDown converter = new CopyDown();
String myHtml = "<h1>Some title</h1><div>Some html<p>Another paragraph</p></div>";
String markdown = converter.convert(myHtml);
System.out.println(markdown);
> Some title\n==========\n\nSome html\n\nAnother paragraph\n

回复收藏 0 原文

~没有更多了~