最近我在做一个项目时,要展示一个网站摘要,但是出现了一些乱七八糟的代码,经过考究原来是特殊字符未进行过滤所导致的
后来我想到用jsoup来过滤,需要导入的jar包是jsoup-1.7.2.jar
该代码如下:
@Override
public String filterContent(final String content) {
final String text=content;
Document doc=Jsoup.parse(text.replaceAll("\"", ""));
return Jsoup.parse(doc.text()).text();
}
jsoup的介绍如下:
它可以解析和遍历一个html文档
如何解析一个HTML文档:
String html = "<html><head><title>First parse</title></head>"
+ "<body><p>Parsed HTML into a doc.</p></body></html>";
Document doc = Jsoup.parse(html);
其解析器能够尽最大可能从你提供的HTML文档来创见一个干净的解析结果,无论HTML的格式是否完整。比如它可以处理:
1---没有关闭的标签 (比如: <p>Lorem <p>Ipsum
parses to <p>Lorem</p> <p>Ipsum</p>
)
2---隐式标签 (比如. 它可以自动将 <td>Table data</td>
包装成<table><tr><td>?
)
3---创建可靠的文档结构(html标签包含head 和 body,在head只出现恰当的元素)