Jsoup – 提取文本

我需要从这样的节点中提取文本：

 Some text with tags might go here. 
Also there are paragraphs
 More text can go without paragraphs
  

我需要建立：

 Some text with tags might go here. Also there are paragraphs More text can go without paragraphs 

Element.text只返回div的所有内容。 Element.ownText – 不在children元素中的所有内容。 两者都错了。 通过children迭代忽略文本节点。

是否有方法迭代元素的内容以接收文本节点。 例如

• 文本节点 – 一些文本
• 节点 – 带标签
• 文本节点 – 可能会在这里。
• 节点

  – 还有段落

• 文本节点 – 更多文本可以没有段落
• 节点
  –

Answer 1

Element.children（）返回一个Elements对象 – 一个Element对象列表。 查看父类Node ，您将看到允许您访问任意节点的方法，而不仅仅是Elements，例如Node.childNodes（） 。

 public static void main(String[] args) throws IOException { String str = "
" + " Some text with tags might go here." + " 
Also there are paragraphs
" + " More text can go without paragraphs
" + "
"; Document doc = Jsoup.parse(str); Element div = doc.select("div").first(); int i = 0; for (Node node : div.childNodes()) { i++; System.out.println(String.format("%d %s %s", i, node.getClass().getSimpleName(), node.toString())); } } 

结果：

 1个TextNode 
 一些文字 
 2元素带标签
 3 TextNode可能会在这里。 
 4元素
还有段落
 5 TextNode更多文本可以没有段落
 6个元素

Answer 2

 for (Element el : doc.select("body").select("*")) { for (TextNode node : el.textNodes()) { node.text() )); } } 

Answer 3

假设您只想要文本（没有标签）我的解决方案如下。
输出是：
一些带标签的文字可能会在这里。 还有段落。 更多文字可以没有段落

 public static void main(String[] args) throws IOException { String str = "
" + " Some text with tags might go here." + " 
Also there are paragraphs.
" + " More text can go without paragraphs
" + "
"; Document doc = Jsoup.parse(str); Element div = doc.select("div").first(); StringBuilder builder = new StringBuilder(); stripTags(builder, div.childNodes()); System.out.println("Text without tags: " + builder.toString()); } /** * Strip tags from a List of type Node * @param builder StringBuilder : input and output * @param nodesList List of type Node */ public static void stripTags (StringBuilder builder, List nodesList) { for (Node node : nodesList) { String nodeName = node.nodeName(); if (nodeName.equalsIgnoreCase("#text")) { builder.append(node.toString()); } else { // recurse stripTags(builder, node.childNodes()); } } } 

Answer 4

您可以将TextNode用于此目的：

 List bodyTextNode = doc.getElementById("content").textNodes(); String html = ""; for(TextNode txNode:bodyTextNode){ html+=txNode.text(); }