JSoup的替代方案或如何清理空格

Question

有人知道JSoup的另一种选择吗？

或者如何清理序列<p>&nbsp;</p>？

用于jQuery的HTML Clean插件适用于我,但我有兴趣在服务器端执行html代码清理,而不是在客户端.

或者,要做的replaceAll表达式是什么？:

String cleanS = dirtyS.replaceAll("<p>&nbsp;</p>", ""); //This doesnt work

我发现脏HTML带有混合序列的空格#160,还有其他像#32.

所以,我需要的是表达式去除它们的任何混合物.

Answer 1

你可以改变OutputSettings这个:

例:

final String html = ...;


OutputSettings settings = new OutputSettings();
settings.escapeMode(Entities.EscapeMode.xhtml);

String cleanHtml = Jsoup.clean(html, "", Whitelist.relaxed(), settings);

这也可以Document通过Jsoup解析:

Document doc = Jsoup.parse(...);
doc.outputSettings().escapeMode(Entities.EscapeMode.xhtml);

// ...

编辑:

删除标签:

doc.select("p:matchesOwn((?is) )").remove();

请注意:以后(?is)有没有空,但焦炭#160(= NBSP).这将删除所有自己的文本只是a的p-Tags  .如果要对所有其他标记执行此操作,可以替换p:with *:.