html-parsing - HtmlCleaner からテキスト内のクリーンな HTML を取得する

Question

HTMLCleaner から取得したクリーンな HTML を見たいです。TagNode に serialize というメソッドがあるようですが、使い方がわかりません。誰かがそのサンプルコードを持っていますか?

ありがとうネイン

Answer 1

のサブクラスを使用しますorg.htmlcleaner.XmlSerializer。次に例を示します。

// get the element you want to serialize
HtmlCleaner cleaner     = new HtmlCleaner();
TagNode     rootTagNode = cleaner.clean(url);

// set up properties for the serializer (optional, see online docs)
CleanerProperties cleanerProperties = cleaner.getProperties();
cleanerProperties.setOmitXmlDeclaration(true);

// use the getAsString method on an XmlSerializer class
XmlSerializer xmlSerializer = new PrettyXmlSerializer(cleanerProperties);
String        html          = xmlSerializer.getAsString(rootTagNode);

Answer 2

サンプルコードは次のとおりです。

HtmlCleaner htmlCleaner = new HtmlCleaner();

TagNode root = htmlCleaner.clean(url);

HtmlCleaner.getInnerHtml(root);

String html = "<" + root.getName() + ">" + htmlCleaner.getInnerHtml(root) + "</" + root.getName() + ">";