是否有不错的，可自定义的Markdown Java API HTML？

Posted 2023-01-23

我想保存从各种来源刮取的文本，而没有上面的html标记，但还要尽可能地保留其结构。

Markdown似乎是对此的解决方案（或可能是MultiMarkdown）。

[a question提供了有关从HTML转换为降价的建议，但我想指定一些具体的东西：

• 仅在结尾处引用所有链接（包括图像）（即没有内联网址）
• 没有嵌入HTML（我什至100％都不确定我要如何处理困难的HTML ...但是不会嵌入！）

所以我的问题如标题中所述：Markdown Java API是否有不错的，可定制的HTML？

答案

您可以尝试改编HtmlCleaner，它为DOM提供了可行的接口：

TagNode root = htmlCleaner.clean( stream );
Object[] found = root.evaluateXPath( "//div[id='something']" );
if( found.length > 0 && found instanceof TagNode ) 
    ((TagNode)found[0]).removeFromTree();

这将允许您使用相当简单的API以所需的任何格式来构造输出流。

另一答案

[JS有一个很棒的库，名为Turndown，您可以在线尝试它here。它可以部分定制。例如，可以在最后引用链接。据我所知，没有嵌入式html，一切都已转换。

我为Java需要它（作为链接的问题），所以我移植了它。 Java库称为CopyDown，它具有与Turndown相同的测试套件。

要安装gradle：

dependencies 
        compile 'io.github.furstenheim:copy_down:1.0'

然后使用它：

CopyDown converter = new CopyDown();
String myHtml = "<h1>Some title</h1><div>Some html<p>Another paragraph</p></div>";
String markdown = converter.convert(myHtml);
System.out.println(markdown);
> Some title\n==========\n\nSome html\n\nAnother paragraph\n