java jsoup 解析字符串默认加了“/n”符号的处理

/**
	 * @param args
	 */
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		String str="<p>供应t1紫<a href='http://www.cncu.cn' target='_blank'>铜</a>板、<a href='http://www.cncu.cn/product/tjthj_ct_zt/' target='_blank'>紫铜</a>带，质量很优质，欢迎新老客户前来采购。</p><p><a href='http://www.cncu.cn/product/tjthj_qt/ ' target='_blank'>紫铜带</a>用途：高纯度，组织细密，含氧量极低。无气孔、沙眼、疏松，导电性能极佳，电蚀出的模具表面精度高，经热处理工艺，电极无方向性，适合精打，细打，具有良好的热电道性、加工性、延展性、防蚀性及耐候性等。有良好的导电、导热、耐蚀和加工性能,可以焊接和钎焊 的<br /></p>";
		//System.out.println(processContentTest(str));
		//String str="<p>供应t1紫<a href='http://www.cncu.cn' target='_blank'>铜</a>";
		System.out.println("--------------------------------");
		System.out.println(RemoveImgAcontent(str));
	}
	public static String RemoveImgAcontent(String initcontent){
		Pattern p = Pattern.compile("</?(A|a)(\n|.)*?>");
		//Document doc = Jsoup.parseBodyFragment(initcontent); // or Jsoup.parse(...);
		Document doc = Jsoup.parseBodyFragment(initcontent);
		Elements images = doc.select("img");

		
		for(Element image : images){
			
			String altStr=image.attr("alt");
			Matcher m1 = p.matcher(altStr);
			altStr = m1.replaceAll("");
			//image.removeAttr("alt");
			image.attr("alt", altStr);
			
			String titleStr=image.attr("title");
			Matcher m2 = p.matcher(titleStr);
			titleStr = m2.replaceAll("");
			//image.removeAttr("title");
			image.attr("title", titleStr);
		}


		String endcontent=doc.select("body").html();
		return endcontent;
	}

如上例所示 默认解析后生成的内容 中会加上/n符号

看图 做对比
解析前



解析后：



看到没多了一个 /n
查看jsoup的源码 调试后发现 是

package org.jsoup.nodes;
....
void outerHtmlHead(StringBuilder accum, int depth, Document.OutputSettings out) {
        String html = Entities.escape(getWholeText(), out);
        if (out.prettyPrint() && parent() instanceof Element && !Element.preserveWhitespace((Element) parent())) {
            html = normaliseWhitespace(html);
        }

        if (out.prettyPrint() && ((siblingIndex() == 0 && parentNode instanceof Element && ((Element) parentNode).tag().formatAsBlock() && !isBlank()) || (out.outline() && siblingNodes().size()>0 && !isBlank()) ))
            indent(accum, depth, out);
        accum.append(html);
    }

源码中 该方法里的indent方法

/**
     * 
     * @param accum
     * @param depth
     * @param out
     */
    protected void indent(StringBuilder accum, int depth, Document.OutputSettings out) {
           	accum.append("\n").append(StringUtil.padding(depth * out.indentAmount()));
    }

就是这个方法加的
看了 他的逻辑

 if (out.prettyPrint() && ((siblingIndex() == 0 && parentNode instanceof Element && ((Element) parentNode).tag().formatAsBlock() && !isBlank()) || (out.outline() && siblingNodes().size()>0 && !isBlank()) ))

out.prettyPrint() 应该是是否格式化 ，看了她的方法发现默认就是true的，
siblingIndex() 大概意思是 判断是否根节点之类的 意思

parentNode instanceof Element 大概是判断是否符合element格式


!isBlank()是判断不等于空

几个条件都是true  加起来就进入了 调用indent方法

要想不让jsoup默认给我的字符串加入 /n
我的解决办法是 直接注释 indet方法的实现 让它变成一个空壳方法

这个不是很完美，但是能解决问题

最完美的方案是 能够重写 该indent方法

可惜我还不清楚如何重写

顺便说下 我是从官网 把jsoup的源码下载下来解压到项目进行研究
这是jsoup官网 源码包下载地址 ：http://jsoup.org/download

• 
• 大小: 42.6 KB

• 
• 大小: 71.7 KB

• 查看图片附件