使用qdomdocument处理html文本后出现一堆空格和回车

Question

想把textedit里的内容通过html的形式进行处理，我把textedit的内容转为html后填到qdomdocument中
但即便啥都没干，直接转回成qstring后还是会多出几块空格和回车。想问下有没有碰到过这样的情况

Answer 1

引自免费微信小程序：皆我百晓生

面对使用QDomDocument处理HTML文本后出现多余空格和换行的问题，这通常是由于解析器在处理HTML时的默认行为导致的。解析器倾向于规范化文本节点，包括添加空格和换行来改善可读性。要解决这个问题，可以采取几种策略：

1. 避免解析器的规范化：在解析HTML前，将所有不必要的空白字符（空格、制表符、换行符）从源字符串中移除。这样，即使解析器尝试规范化，它也不会有额外的空白字符可以规范化。

2. 使用 QDomText::normalize()：遍历文档中的所有文本节点，并调用normalize()方法。这个方法会移除多余的空白字符，将连续的空白字符压缩成一个空格。

3. 自定义XML处理器：Qt允许你使用自定义的XML处理器，这样你可以在解析过程中控制如何处理空白字符。但是，这种方法比较复杂，适用于需要高级控制的情况。

下面是一个示例代码，展示了如何使用第二种策略——遍历并规范化文本节点：

#include <QDomDocument>
#include <QString>

void normalizeDocument(QDomDocument &doc) {
    // 获取文档的所有元素节点
    QDomNodeList nodeList = doc.documentElement().childNodes();
    
    for (int i = 0; i < nodeList.count(); ++i) {
        QDomNode node = nodeList.at(i);
        
        if (node.isText()) {
            // 如果是文本节点，则调用normalize()
            QDomText textNode = node.toText();
            textNode.normalize();
        } else if (node.isElement()) {
            // 如果是元素节点，递归调用
            QDomElement elementNode = node.toElement();
            normalizeDocument(elementNode.ownerDocument());
        }
    }
}

int main() {
    QString htmlContent = "<div>Hello World!\n\t<p>This is a test.</p>\r\n</div>";
    QDomDocument doc;
    doc.setContent(htmlContent);
    
    // 调用函数规范化文档
    normalizeDocument(doc);
    
    // 输出处理后的HTML
    qDebug() << doc.toString();
    
    return 0;
}

这段代码首先定义了一个normalizeDocument函数，用于遍历文档并规范化文本节点。然后，在main函数中，创建了一个QDomDocument实例，并使用setContent方法解析HTML字符串。之后调用normalizeDocument函数来规范化文档，最后输出处理后的HTML。

注意，规范化操作可能会影响到HTML的格式化，因此在处理之前确保这不会影响到你的应用需求。如果保留原始格式很重要，你可能需要更精细地控制哪些空白字符应该被保留，哪些应该被移除。