有选择地为文档中的某些区域停用 jsoup 中的漂亮打印

Question

当使用 jsoup 清理 HTML 文档时，我喜欢它自动应用漂亮打印的事实。我知道我可以在每个文档的基础上停用它，但我喜欢将它应用于大多数文档，除了 jsoup 不能很好地工作的某些有问题的区域。

一个例子是带有CSS specifying white-space: pre-wrap; 的DIV 标签，即语义上它们的行为类似于PRE 标签，这意味着浏览器将对换行符和其他空格（缩进）敏感。如果在这些区域内有更多标签，例如BR、SPAN 等，情况会变得更糟，因为应用了漂亮打印并破坏了这些区域的预期格式。

因此，与其完全停用整个 HTML 文档的漂亮打印，我喜欢在解析器遇到类似 div.listing 的内容时选择性地停用它（是的，我知道有问题区域的 CSS 类名称）并保留原始那里有 HTML。我将如何实施？

更新：我忘了提到我使用

打印清理过的文档

output.print(document);

其中output 是PrintStream，document 是jsoup Document 实例。所以如果有更好的方法来输出文档，我也愿意提出建议。

Answer 1

我最终做了什么，因为到目前为止我在这里没有得到任何答案，也没有找到更好的解决方案，这很可怕，但它确实有效：

1. 解析 + 清理文档
2. 获取（通过toString()）+ 保留打印精美的 HTML 内容
3. 停用漂亮打印，然后获取（通过toString()）+ 重新解析原始格式的内容到临时文档中
4. 重新解析第 2 步中漂亮打印的内容并分配给原始文档（覆盖它），然后为新分配的文档停用漂亮打印
5. 替换漂亮打印会破坏格式的内容（例如带有 CSS white-space: pre-wrap 的元素），方法是保留步骤 2 中的原始内容，通过类似的方式并行迭代两个文档

for (int i = 0; i < elementsToBeFixed.size(); i++) 
  elementsToBeFixed.get(i).replaceWith(originalElements.get(i));

结论：这很难看，因为之前已经解析+清理过的同一个文档需要再解析两次，即我们总共有 3 次Jsoup.parse(..) 调用。但是 - 它有效。 :-/

不过，我仍在等待更好的答案。