Jsoup为下标和上标解析html

我使用Jsoup来将剪贴板值解析为html代码，但它不适用于subscript和superscript。举一个例子：Jsoup为下标和上标解析html

标
你好^世界（HTML：Hello World）

标
你好_世界（HTML：Hello World）

代码

result = rtfToHtml(new StringReader(streamToString((InputStream) contents.getTransferData(dfRTF))));

的Resul对于上面的例子是：

<html> 
    <head> 
    <style> 
     < !-- 
     p.default { 
      size:3; 
      family:sansserif; 
      foreground:#000000; 
      bold:normal; 
      italic:; 
     } 
     -- > 
    </style> 
    </head> 
    <body> 
    < p class=default > 
     < span style="color: #000000; font-size: 14pt; font-family: ArialMT"> 
     < b>Hello < /b> 
     < /span> 
     < span style="color: #000000; font-size: 11pt; font-family: ArialMT"> 
     < b>World< /b> 
     < /span> 
    < /p> 
    < /body> 
< /html>

任何知道如何才能使用Jsoup处理Superscript和Subscript。任何意见或引用高度赞赏。

编辑

 Clipboard clipboard = Toolkit.getDefaultToolkit().getSystemClipboard(); 
     Transferable contents = clipboard.getContents(null); 
     DataFlavor dfRTF = new DataFlavor("text/rtf", "Rich Formatted Text"); 
     DataFlavor dfTxt = DataFlavor.stringFlavor; 

     boolean hasTransferableRTFText = (contents != null) 
       && contents.isDataFlavorSupported(dfRTF); 
     boolean hasTransferableTxtText = (contents != null) 
       && contents.isDataFlavorSupported(dfTxt); 
if (hasTransferableRTFText) { 
      try { 
result = rtfToHtml(new StringReader(streamToString((InputStream) contents.getTransferData(dfRTF)))); 
Document doc = Jsoup.parse(result); 
} 
}

编辑

public static String rtfToHtml(Reader rtf) throws IOException { // From http://www.codeproject.com/Tips/136483/Java-How-to-convert-RTF-into-HTML 
     JEditorPane p = new JEditorPane(); 
     p.setContentType("text/rtf"); 
     EditorKit kitRtf = p.getEditorKitForContentType("text/rtf"); 
     try { 
      kitRtf.read(rtf, p.getDocument(), 0); 
      kitRtf = null; 
      EditorKit kitHtml = p.getEditorKitForContentType("text/html"); 
      Writer writer = new StringWriter(); 
      kitHtml.write(writer, p.getDocument(), 0, p.getDocument().getLength()); 
      return writer.toString(); 
     } catch (BadLocationException e) { 
      e.printStackTrace(); 
     } 
     return null; 
    }

来源

2013-12-20 chinna_82

当前的问题没有包含足够的细节。什么是'rtfToHtml'？ Jsoup将所有转换为期望的，但你的问题是在rtfToHtml函数。它是[this]（http://www.codeproject.com/Tips/136483/Java-How-to-convert-RTF-into-HTML）？ – msangel

@msangel编辑我的问题 –

您的问题与JSoup无关，但与您的rtfToHtml函数无关。

您的功能不会生成您期望的标签和。 JSoup无法做任何事情，因为预期的标签不在这里，所以你不能解析它们。

编辑：（和解决方案）

您应该跳过你的rtfToHTML一步的时候没有必要。如果剪贴板包含已经以HTML格式存在的数据，那么在rtf中请求它然后将其转换回HTML意味着转换期间格式信息的丢失。

您可以直接在HTML格式获取剪贴板，以避免不必要的转换：

DataFlavor dfHTML = new DataFlavor("text/html; charset=Unicode"); 
boolean hasTransferableHTMLText = (contents != null) && contents.isDataFlavorSupported(dfHTML); 
if (hasTransferableHTMLText) 
{ 
    InputStream is = (InputStream)contents.getTransferData(dfHTML); 
    String htmldata = org.apache.commons.io.IOUtils.toString(is, "Unicode"); 

    Document doc = Jsoup.parse(htmldata); 
    System.out.println(doc.html()); 
    //... 
}

测试与复制到剪贴板Chrome和FF。两者都保留您期望的标签和。

EDIT2：

IOUtils指org.apache.commons.io。IOUtils

来源

2013-12-22 13:38:35

编辑我的答案.. –

此评论仍然没有回答。这个rtfToHtml函数来自哪里？没有'sup'和'sub'标签。这不是JSoup问题，而只是该方法的问题（或者源数据不包含您期望的内容）。该方法似乎生成具有较小文本大小的下标作为“样式”。没有机会解析这个语义上的，只有启发式。 –

问题已解决:) –

-1

Jsoup使用选择，从而获得所需的值。 This链接将帮助你。

Document doc = Jsoup.Connect("some url); 
Elements sub= doc.select("sub");

来源

2013-12-20 10:37:31

解析的html中没有'sub'元素。所以'Elements sub = doc.select（“sub”）;'将会是null。 –

Jsoup为下标和上标解析html

回答

相关问题