30、HTML解析与处理：从标签到属性的全方位实践

HTML解析与处理：从标签到属性的全方位实践

1. HTML标签解析与换行处理

在处理HTML文件时，标签剥离器的输出通常会去除标签，但会丢失一些必要的换行信息。不过，有一个例外是 <PRE> 元素，它会保留其内容中的所有空白字符。若想在输出中包含必要的换行和空白，可以通过检查标签和文本来实现。

1.1 触发换行的标签

一般来说，以下标签会触发不同类型的换行：
- 单换行： <BR> 、 <LI> 、 <TR>
- 双换行（段落换行）： <P> 、 </H1> 、 </H2> 、 </H3> 、 </H4> 、 </H5> 、 </H6> 、 <HR> 、 <DIV> 、 </UL> 、 </OL> 、 </DL>

1.2 HTML.Tag类

HTML.Tag 是 javax.swing.text.html.H