当前位置： 文江博客 话题详情

如何在Java中将JTextPanes/JEditorPanes html内容清理为字符串？

发布于 2024-10-28 02:45:29 字数 1258 浏览 4 评论 0 原文

我尝试从 JTextPane 获取漂亮的（干净的）文本内容。以下是来自 JTextPane 的示例代码：

JTextPane textPane = new JTextPane ();
textPane.setContentType ("text/html");
textPane.setText ("This <b>is</b> a <b>test</b>.");
String text = textPane.getText ();
System.out.println (text);

JTexPane 中的文本如下所示：

这是一个测试。

我得到这种打印到控制台：

<html>
  <head>

  </head>
  <body>
    This <b>is</b> a <b>test</b>.
  </body>
</html>

我使用了 substring() 和/或 replace() 代码，但使用起来不舒服：

String text = textPane.getText ().replace ("<html> ... <body>\n    , "");

有没有简单的函数从字符串中删除除 标记（内容）之外的所有其他标记？

有时 JTextPane 在内容周围添加

标签，所以我也想删除它们。

像这样：

<html>
  <head>

  </head>
  <body>
    <p style="margin-top: 0">
      hdfhdfgh
    </p>
  </body>
</html>

我只想获取带有标签的文本内容：

This <b>is</b> a <b>test</b>.
原文

I try to get pretty (cleaned) text content from JTextPane. Here is example code from JTextPane:

JTextPane textPane = new JTextPane ();
textPane.setContentType ("text/html");
textPane.setText ("This <b>is</b> a <b>test</b>.");
String text = textPane.getText ();
System.out.println (text);

Text look like this in JTexPane:

This is a test.

I get this kind of print to console:

<html>
  <head>

  </head>
  <body>
    This <b>is</b> a <b>test</b>.
  </body>
</html>

I've used substring() and/or replace() code, but it is uncomfortable to use:

String text = textPane.getText ().replace ("<html> ... <body>\n    , "");

Is there any simple function to remove all other tags than <b> tags (content) from string?

Sometimes JTextPane add <p> tags around content so I want to get rid of them also.

Like this:

<html>
  <head>

  </head>
  <body>
    <p style="margin-top: 0">
      hdfhdfgh
    </p>
  </body>
</html>

I want to get only text content with tags:

This <b>is</b> a <b>test</b>.

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。

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。

评论（4）

习惯那些不曾习惯的习惯 2024-11-04 02:45:29

我对 HTMLWriter 并覆盖 startTag 和 endTag 以跳过 之外的所有标记。

我没有进行太多测试，似乎工作正常。一个缺点是输出字符串有大量空格。摆脱它应该不会太难。

import java.io.*;
import javax.swing.*;
import javax.swing.text.*;
import javax.swing.text.html.*;

public class Foo {

    public static void main(String[] args) throws Exception {
        JTextPane textPane = new JTextPane();
        textPane.setContentType("text/html");
        textPane.setText("<p>This</p> <b>is</b> a <b>test</b>.");

        StringWriter writer = new StringWriter();
        HTMLDocument doc = (HTMLDocument) textPane.getStyledDocument();

        HTMLWriter htmlWriter = new OnlyBodyHTMLWriter(writer, doc);
        htmlWriter.write();

        System.out.println(writer.toString());
    }

    private static class OnlyBodyHTMLWriter extends HTMLWriter {

        public OnlyBodyHTMLWriter(Writer w, HTMLDocument doc) {
            super(w, doc);
        }

        private boolean inBody = false;

        private boolean isBody(Element elem) {
            // copied from HTMLWriter.startTag()
            AttributeSet attr = elem.getAttributes();
            Object nameAttribute = attr
                    .getAttribute(StyleConstants.NameAttribute);
            HTML.Tag name = null;
            if (nameAttribute instanceof HTML.Tag) {
                name = (HTML.Tag) nameAttribute;
            }
            return name == HTML.Tag.BODY;
        }

        @Override
        protected void startTag(Element elem) throws IOException,
                BadLocationException {
            if (inBody) {
                super.startTag(elem);
            }
            if (isBody(elem)) {
                inBody = true;
            }
        }

        @Override
        protected void endTag(Element elem) throws IOException {
            if (isBody(elem)) {
                inBody = false;
            }
            if (inBody) {
                super.endTag(elem);
            }
        }
    }
}

I subclassed HTMLWriter and overrode startTag and endTag to skip all tags outside of <body>.

I did not test much, it seems to work ok. One drawback is that the output string has quite a lot of whitespace. Getting rid of that shouldn't be too hard.

import java.io.*;
import javax.swing.*;
import javax.swing.text.*;
import javax.swing.text.html.*;

public class Foo {

    public static void main(String[] args) throws Exception {
        JTextPane textPane = new JTextPane();
        textPane.setContentType("text/html");
        textPane.setText("<p>This</p> <b>is</b> a <b>test</b>.");

        StringWriter writer = new StringWriter();
        HTMLDocument doc = (HTMLDocument) textPane.getStyledDocument();

        HTMLWriter htmlWriter = new OnlyBodyHTMLWriter(writer, doc);
        htmlWriter.write();

        System.out.println(writer.toString());
    }

    private static class OnlyBodyHTMLWriter extends HTMLWriter {

        public OnlyBodyHTMLWriter(Writer w, HTMLDocument doc) {
            super(w, doc);
        }

        private boolean inBody = false;

        private boolean isBody(Element elem) {
            // copied from HTMLWriter.startTag()
            AttributeSet attr = elem.getAttributes();
            Object nameAttribute = attr
                    .getAttribute(StyleConstants.NameAttribute);
            HTML.Tag name = null;
            if (nameAttribute instanceof HTML.Tag) {
                name = (HTML.Tag) nameAttribute;
            }
            return name == HTML.Tag.BODY;
        }

        @Override
        protected void startTag(Element elem) throws IOException,
                BadLocationException {
            if (inBody) {
                super.startTag(elem);
            }
            if (isBody(elem)) {
                inBody = true;
            }
        }

        @Override
        protected void endTag(Element elem) throws IOException {
            if (isBody(elem)) {
                inBody = false;
            }
            if (inBody) {
                super.endTag(elem);
            }
        }
    }
}
回复 原文
静赏你的温柔 2024-11-04 02:45:29

您可以使用 JEditorPane 本身使用的 HTML 解析器 HTMLEditorKit.ParserDelegator。

请参阅此示例和API 文档。

You could use the HTML parser that the JEditorPane uses itself, HTMLEditorKit.ParserDelegator.

See this example, and the API docs.

回复 原文
神经暖 2024-11-04 02:45:29

我通过使用子字符串和替换方法找到了这个问题的解决方案：

// Get textPane content to string
String text = textPane.getText();

// Then I take substring to remove tags (html, head, body)
text = text.substring(44, text.length() - 19);

// Sometimes program sets <p style="margin-top: 0"> and </p> -tags so I remove them
// This isn't necessary to use.
text = text.replace("<p style=\"margin-top: 0\">\n      ", "").replace("\n    </p>", ""));

// This is for convert possible escape characters example & -> &
text = StringEscapeUtils.unescapeHtml(text);

有一个指向 StringEscapeUtils -libraries 的链接，它将转义字符转换回正常视图。感谢 Ozhan Duz 的建议。

(commons-lang - 下载）

I find solution to this problem by using substring and replace -methods:

// Get textPane content to string
String text = textPane.getText();

// Then I take substring to remove tags (html, head, body)
text = text.substring(44, text.length() - 19);

// Sometimes program sets <p style="margin-top: 0"> and </p> -tags so I remove them
// This isn't necessary to use.
text = text.replace("<p style=\"margin-top: 0\">\n      ", "").replace("\n    </p>", ""));

// This is for convert possible escape characters example & -> &
text = StringEscapeUtils.unescapeHtml(text);

There is link to StringEscapeUtils -libraries which convert escape characters back to normal view. Thanks to Ozhan Duz for the suggestion.

(commons-lang - download)

回复 原文
メ斷腸人バ 2024-11-04 02:45:29 
String text = textPane.getDocument.getText (0,textPane.getText().length());

String text = textPane.getDocument.getText (0,textPane.getText().length());
回复 原文
~没有更多了~

关于作者

遇到

暂无简介

文章
评论
25 人气
发私信

相关话题

更多

热门标签

操作系统 程序设计 IT运维 Linux系统管理 JavaScript 服务器应用 solaris C/C++ PHP Shell BSD Vue.js aix Oracle Python HTML 系统管理 HTML5 CSS 前端
更多

推荐作者

尘曦

文章 0 评论 0

在梵高的星空下

文章 0 评论 0

善良天后

文章 0 评论 0

韬韬不绝

文章 0 评论 0

qq_CgiN62

文章 0 评论 0

不美如何

文章 0 评论 0

更多

友情链接

文江博客
    我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站，即表示您同意使用 Cookies 和您的相关数据。
    原文