如何在清理文档期间删除空文本元素？

Question

我的代码使用jsoup cleaner从文档中删除不需要的元素。我注意到在清理操作之后，许多空文本节点仍然存在。由于它们没有子节点，因此可以删除它们。

想知道是否有人已经为此实施了解决方案......

文件输出到字符串如下：

• • • • • 利
• • • • • • 文本：
• • • • • • a： http://www.example.com//mobile/
• • • • • • • text：移动应用
• • • • • 文本：
• • • • • 利
• • • • • • text：金融产品
• • • • • • a：another-link
• • • • • • • text：xyz Visual Data
• • • • • 文本：
• • • • 文本：
• • • • 文本：
• • • • 文本：
• • • • 文本：
• • • • 文本：

Answer 1

删除空标签可能会很棘手，因为有些标签总是空的（例如<br/>和<img/>），其他标签即使在空的情况下也会影响文档的布局（例如<p></p> ）。更糟糕的是，某些CSS配置可能会导致几乎任何类型的标签影响文档布局（例如字体图标）。

如果您可以决定愿意删除哪些元素，则以下内容应该有效：

// Names of the elements to remove if empty
Set<String> removable = ....

// Parse the html into a jsoup document
Document source = Jsoup.parse(myHtml);

// Clean the html according to a whitelist
Document cleaned = new Cleaner(whitelist).clean(source);

// For each element in the cleaned document
for(Element el: cleaned.getAllElements()) {

   if(el.children().isEmpty() && !el.hasText()) {
       // Element is empty, check if should be removed
       if(removable.contains(el.tagName())) el.remove();
   }
}