使用 flexmark-java 清理 markdown

Question

在 Java 应用程序中，我需要将标记的文本转换为简单的纯文本而不是 html（例如删除所有链接地址、粗体和斜体标记）。

哪种方法最好？我在考虑使用像 fleaxmark 这样的降价库。但是我第一眼找不到这个功能。它在那里吗？还有其他更好的选择吗？

Answer 1

编辑

Commonmark 通过使用 org.commonmark.renderer.text.TextContentRenderer 而不是默认的 HTML 渲染器支持渲染到文本。不确定它对换行符有何作用，但值得一试。

原始答案，使用 flexmark HTML + JSoup

理想的解决方案是为 flexmark 实现自定义渲染器，但这会迫使您为 markdown 中的所有语言功能编写 model-to-string。除非它支持开箱即用，但我不知道这个功能...

一个更简单的解决方案可能是使用 flexmark（或任何其他轻量级降价渲染器）并让它创建 HTML。之后，只需运行通过 https://jsoup.org/ 生成的 HTML 并让它提取文本：

Jsoup.parse(htmlInputStream).text();

String org.jsoup.nodes.Element.text() Gets the combined text of this element and all its children. Whitespace is normalized and trimmed.

For example, given HTML <p>Hello <b>there</b> now! </p>, p.text() returns Hello there now!

在使用 org.owasp.html.HtmlSanitizer.

进行清理后，我们使用这种方法获取在富内容编辑器 (summernote) 中输入的文本的 "preview"

使用 flexmark-java 清理 markdown

Use flexmark-java to clean markdown

java

markdown