1. 概述
在将 HTML 转换为纯文本时，如何保留原始的换行格式是一个常见但容易被忽略的问题。本文将聚焦于 使用 Jsoup 解析 HTML 到纯文本时，如何正确保留各类换行 —— 包括文本中的 \n 换行符，以及由 <br> 和 <p> 等标签带来的逻辑换行。
如果你直接用 Jsoup 默认方式处理，很可能发现换行全没了，变成一坨挤在一起的文本。✅ 这是踩坑高发区，尤其在处理用户输入富文本后需要转成摘要或预览时。
我们一步步来解决。
2. 保留原始 \n 换行符
Jsoup 默认行为是：把所有 \n 替换成空格。❌ 这显然不是我们想要的。
关键点：关闭 prettyPrint
要保留原始换行，必须关闭 Jsoup 的“美化输出”功能（prettyPrint）。否则，Jsoup 会自动格式化 HTML，把换行、缩进都干掉。
Document.OutputSettings outputSettings = new Document.OutputSettings();
outputSettings.prettyPrint(false); // ✅ 关键：关闭美化
然后使用 Jsoup.clean() 方法配合 Safelist.none()（即允许所有标签但只输出文本）来提取纯文本：
String strHTML = "<html><body>Hello\nworld</body></html>";
String strWithNewLines = Jsoup.clean(strHTML, "", Safelist.none(), outputSettings);
最终结果：
assertEquals("Hello\nworld", strWithNewLines);
✅ 成功保留了原始的 \n 换行！
⚠️ 注意：
Safelist.none()表示不保留任何标签，只提取文本内容。这是生成纯文本的标准做法。
3. 保留 <br> 和 <p> 标签对应的换行
更常见的需求是：HTML 中的 <br> 换行和 <p> 段落，应该转换为文本中的 \n。
但默认情况下，Jsoup.clean() 会直接把这些标签“吃掉”，不会生成换行。❌
解决方案：先预处理 DOM，再提取文本
思路很简单：
- 先用
Jsoup.parse()解析成 Document 对象 - 手动在
<br>和<p>前插入\n - 再转回 HTML 字符串
- 最后用
clean()提取纯文本
代码如下：
String strHTML = "<html><body>Hello<br>World<p>Paragraph</p></body></html>";
Document jsoupDoc = Jsoup.parse(strHTML);
设置输出选项并插入换行：
Document.OutputSettings outputSettings = new Document.OutputSettings();
outputSettings.prettyPrint(false); // ✅ 必须关闭美化
jsoupDoc.outputSettings(outputSettings);
jsoupDoc.select("br").before("\\n"); // 在 <br> 前加 \n
jsoupDoc.select("p").before("\\n"); // 在 <p> 前加 \n
⚠️ 注意：before("\\n") 中是双反斜杠，因为 Java 字符串要转义。
获取处理后的 HTML 字符串，并将 \\n 还原为 \n：
String str = jsoupDoc.html().replaceAll("\\\\n", "\n");
最后提取纯文本：
String strWithNewLines = Jsoup.clean(str, "", Safelist.none(), outputSettings);
输出结果：
assertEquals("Hello\nWorld\nParagraph", strWithNewLines);
✅ 完美保留了 <br> 和 <p> 对应的换行。
4. 总结
| 场景 | 关键操作 |
|---|---|
保留文本中的 \n |
关闭 prettyPrint，直接 clean |
保留 <br> 和 <p> 换行 |
先 parse 成 Document，select().before("\\n")，再 clean |
核心要点：
- ✅ 必须设置
outputSettings.prettyPrint(false) - ✅ 使用
Safelist.none()配合clean()提取纯文本 - ✅ 对
<br>、<p>等标签，先在 DOM 层插入\n再转换
这些技巧在处理用户生成内容（UGC）、富文本摘要、邮件正文提取等场景非常实用。别再让换行符莫名消失啦！
所有示例代码已托管至 GitHub：https://github.com/baeldung/tutorials/tree/master/jsoup