抽取的html文件有些空格字符无法去除

最新推荐文章于 2024-09-26 19:14:59 发布

三事足矣

最新推荐文章于 2024-09-26 19:14:59 发布

阅读量531

点赞数

分类专栏： java 文章标签： java string ascii html

本文链接：https://blog.csdn.net/qq_34199125/article/details/54883392

版权

java 专栏收录该内容

9 篇文章 0 订阅

订阅专栏

通过ASCII码判断，其他字符也可以用次方法

//判断字符是否是HTML空格 ASCII码为160
	public static boolean isHtmlSpace(char c){
		if ((int)c==160)
			return true;
		return false;
	}

//简单处理从网页上抓取的小说
	public static String  novelContentProcessor(String string){		
		String result = "";
		char [] chars = string.toCharArray();
		for (int i=0;i<chars.length;i++)
			if (CharUtil.isHtmlSpace(chars[i]))
				chars[i] = ' '; //HTML空格全部替换为普通空格
		String newString = new String(chars);
		String [] sentences = newString.split(" ");
		for (String sen : sentences){			
			if (!sen.isEmpty()){
				sen.trim();
				result += "    "+sen +"\r\n" ;
			}				 
		}
			
		return result+"\r\n";