傑里科純文本如何分隔文本

我試圖解析使用傑里科用下面的代碼的純文本：傑里科純文本如何分隔文本

public static String getPlainText(String html) { 
    Source htmlSource = new Source(html); 
    Segment htmlSeg = new Segment(htmlSource, 0, html.length()); 
    Renderer htmlRend = new Renderer(htmlSeg); 
    // System.out.println(htmlRend.toString()); 
    return htmlRend.toString(); 
}

然而，對於下面的HTML片段：

Phone (808) 845-0000<br /> 
    Fax (808) 842-3616 
    <a href="mailto:[email protected]"> 
    [email protected]</a>

我收到輸出：

電話（808）845-0000傳真：（808）[email protected]

現在我想要的是標籤內的所有文本應該彼此分開，即傳真和電子郵件應該彼此分開。有什麼辦法可以做到這一點？

謝謝

來源

2012-12-22 Md. Reazul Karim

問題解決了。

Source source=new Source(new URL(sourceUrlString)); 
System.out.println(source.getTextExtractor().setIncludeAttributes(true).toString());

http://jericho.htmlparser.net/samples/console/src/ExtractText.java

來源

2012-12-23 08:51:07

告訴我們你是如何解決它，並標記你回答爲「正確答案」。 – Marwelln

這不提供問題的答案。要批評或要求作者澄清，在他們的帖子下留下評論 - 你總是可以評論你自己的帖子，一旦你有足夠的[聲望]（http://stackoverflow.com/faq#reputation），你將能夠[評論任何帖子]（http://stackoverflow.com/privileges/comment）。 –

請不要添加「謝謝」作爲答案。相反，投票答案，你覺得有幫助。 – tune2fs

傑里科純文本如何分隔文本

回答

相關問題