提取HTML中的文本并换行是一种常见的需求，特别是在从网页上抓取数据并进行处理时。在Java中，我们可以利用Jsoup来实现这一功能。Jsoup是一个用于解析、处理HTML文档的开源Java库，它提供了方便的API来处理HTML结构和提取其中的文本内容。

Jsoup简介

Jsoup是一个非常流行的Java HTML解析器，它可以帮助我们方便地解析HTML文档并提取其中的文本内容。通过Jsoup，我们可以轻松地遍历HTML文档的DOM树，并提取其中的文本、链接、图片等元素。

提取HTML中的文本并换行

下面我们通过一个简单的示例来演示如何使用Jsoup来提取HTML文档中的文本并进行换行处理。

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import java.io.IOException;

public class HtmlParser {
    public static void main(String[] args) {
        String html = "<html><head><title>测试</title></head>"
                + "<body><p>这是一个段落。</p><p>这是另一个段落。</p>"
                + "<div>这是一个div标签。</div></body></html>";

        Document doc = Jsoup.parse(html);
        
        // 提取所有文本内容并换行
        String text = doc.text().replaceAll("\\.", ".\n");
        
        System.out.println(text);
    }
}
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.

在这个示例中，我们首先定义了一个简单的HTML文档字符串，然后使用Jsoup的parse方法将其解析为一个Document对象。接着，我们通过doc.text()方法提取了HTML文档中的所有文本内容，并使用replaceAll方法将句号后面加上换行符，实现了文本内容的换行处理。

示例结果

经过上述的处理，我们可以得到以下结果：

这是一个段落。
这是另一个段落。
这是一个div标签。
  • 1.
  • 2.
  • 3.

总结

通过本文的简单示例，我们学习了如何使用Jsoup来提取HTML文档中的文本并进行换行处理。Jsoup提供了丰富的API，可以帮助我们轻松地处理HTML文档，从而方便地抓取和处理网页数据。希望本文能帮助你更好地理解如何利用Java来提取HTML文档中的文本内容，并进行相应的处理。