convierte saltos y saltos de párrafo en una nueva línea en java

Question

Básicamente tengo un fragmento de HTML con <br> y <p></p> dentro. Pude eliminar todas las etiquetas HTML, pero al hacerlo deja el texto en mal formato.

Quiero algo como nl2br() en PHP excepto invertir la entrada y la salida y también toma en cuenta <p> etiquetas. ¿hay una biblioteca para él en Java?

Answer 1

Básicamente necesita reemplazar cada <br> con \n y cada <p> con \n\n. Entonces, en los puntos donde logra eliminarlos, debe insertar el \n y el \n\n respectivamente.

Aquí hay un ejemplo de inicio con la ayuda del analizador HTML Jsoup (el ejemplo HTML está escrito intencionalmente de esa manera, por lo que es difícil, si no casi imposible, utilizar expresiones regulares para esto).

public static void main(String[] args) throws Exception { 
    String originalHtml = "<p>p1l1<br/><!--</p>-->p1l2<br><!--<p>--></br><p id=p>p2l1<br class=b>p2l2</p>"; 
    String text = br2nl(originalHtml); 
    String newHtml = nl2br(text); 

    System.out.println("-------------"); 
    System.out.println(text); 
    System.out.println("-------------"); 
    System.out.println(newHtml); 
} 

public static String br2nl(String html) { 
    Document document = Jsoup.parse(html); 
    document.select("br").append("\\n"); 
    document.select("p").prepend("\\n\\n"); 
    return document.text().replace("\\n", "\n"); 
} 

public static String nl2br(String text) { 
    return text.replace("\n\n", "<p>").replace("\n", "<br>"); 
} 

(nota: replaceAll() es innecesario, ya que sólo queremos una simple sustitución CharSequence por CharSequence aquí, no regexpattern por CharSequence reemplazo)

Salida:

<p>p1l1<br/><!--</p>-->p1l2<br><!--<p>--></br><p id=p>p2l1<br class=b>p2l2</p> 
------------- 


p1l1 
p1l2 



p2l1 
p2l2 
------------- 
<p>p1l1 <br>p1l2 <br> <br> <p>p2l1 <br>p2l2 

Un poco hacky, pero funciona.

Answer 2

Debería poder utilizar replaceAll. Vea http://www.rgagnon.com/javadetails/java-0454.html para un ejemplo. Solo 2 de esos, uno para p y uno para br. El ejemplo va por el otro lado, pero puede cambiarlo para reemplazar el html con barra n

Answer 3

br2nl y p2nl no son demasiado complicadas. Seguirlo:

String plain = htmlText.replaceAll("<br>","\\n").replaceAll("<p>","\\n\\n").replaceAll("</p>","");