我有类似的 HTML 字符串
<b>test</b><b>er</b>
<span class="ab">continue</span><span> without</span>
我想折叠相似且属于彼此的标签。在上面的示例中，我想要
<b>tester</b>
因为标签具有相同的标签，没有任何进一步的属性或样式。但是对于span 标签，它应该保持不变，因为它有一个class 属性。我知道我可以通过 Jsoup 在树上进行迭代。
Document doc = Jsoup.parse(input);
for (Element element : doc.select("b")) {
}
但我不清楚如何向前看（我猜像nextSibling），而不是如何折叠元素？
或者存在一个简单的正则表达式合并？
我可以自己指定的属性。不需要万能的标签解决方案。
【问题讨论】：
我的方法是这样的。代码中的注释
public class StackOverflow60704600 {
public static void main(final String[] args) throws IOException {
Document doc = Jsoup.parse("<b>test</b><b>er</b><span class=\"ab\">continue</span><span> without</span>");
mergeSiblings(doc, "b");
System.out.println(doc);
}
private static void mergeSiblings(Document doc, String selector) {
Elements elements = doc.select(selector);
for (Element element : elements) {
// get the next sibling
Element nextSibling = element.nextElementSibling();
// merge only if the next sibling has the same tag name and the same set of attributes
if (nextSibling != null && nextSibling.tagName().equals(element.tagName())
&& nextSibling.attributes().equals(element.attributes())) {
// your element has only one child, but let's rewrite all of them if there's more
while (nextSibling.childNodes().size() > 0) {
Node siblingChildNode = nextSibling.childNodes().get(0);
element.appendChild(siblingChildNode);
}
// remove because now it doesn't have any children
nextSibling.remove();
}
}
}
}
输出：
<html>
<head></head>
<body>
<b>tester</b>
<span class="ab">continue</span>
<span> without</span>
</body>
</html>
关于我为什么使用循环 while (nextSibling.childNodes().size() > 0) 的另一个说明。原来for 或iterator 不能在此处使用，因为appendChild 添加了子元素，但将其从源元素中删除，剩余的子元素被移动。此处可能看不到，但尝试合并时会出现问题：<b>test</b><b>er<a>123</a></b>
【讨论】：
Jsoup 是否允许两个连续的TextNode 相邻。我猜不是——因此我只是添加了一个简单的检查。
我尝试从@Krystian G 更新代码，但我的编辑被拒绝：-/因此我将其发布为自己的帖子。该代码是一个很好的起点，但如果在标签之间出现 TextNode 则会失败，例如
<span> no class but further</span> (in)valid <span>spanning</span> 将导致
<span> no class but furtherspanning</span> (in)valid
因此修正后的代码如下：
public class StackOverflow60704600 {
public static void main(final String[] args) throws IOException {
String test1="<b>test</b><b>er</b><span class=\"ab\">continue</span><span> without</span>";
String test2="<b>test</b><b>er<a>123</a></b>";
String test3="<span> no class but further</span> <span>spanning</span>";
String test4="<span> no class but further</span> (in)valid <span>spanning</span>";
Document doc = Jsoup.parse(test1);
mergeSiblings(doc, "b");
System.out.println(doc);
}
private static void mergeSiblings(Document doc, String selector) {
Elements elements = doc.select(selector);
for (Element element : elements) {
Node nextElement = element.nextSibling();
// if the next Element is a TextNode but has only space ==> we need to preserve the
// spacing
boolean addSpace = false;
if (nextElement != null && nextElement instanceof TextNode) {
String content = nextElement.toString();
if (!content.isBlank()) {
// the next element has some content
continue;
} else {
addSpace = true;
}
}
// get the next sibling
Element nextSibling = element.nextElementSibling();
// merge only if the next sibling has the same tag name and the same set of
// attributes
if (nextSibling != null && nextSibling.tagName().equals(element.tagName())
&& nextSibling.attributes().equals(element.attributes())) {
// your element has only one child, but let's rewrite all of them if there's more
while (nextSibling.childNodes().size() > 0) {
Node siblingChildNode = nextSibling.childNodes().get(0);
if (addSpace) {
// since we have had some space previously ==> preserve it and add it
if (siblingChildNode instanceof TextNode) {
((TextNode) siblingChildNode).text(" " + siblingChildNode.toString());
} else {
element.appendChild(new TextNode(" "));
}
}
element.appendChild(siblingChildNode);
}
// remove because now it doesn't have any children
nextSibling.remove();
}
}
}
}
【讨论】：