使用jsoup解析html并删除标记块

我想删除标签之间的所有内容。 输入的示例可以是

输入：

 start 
 delete from below 
 first div having this class 
 waste 
 
 second div having this class 
 waste 
 delete till above 
 
 this will also remain 
 end  

输出将是：

  start 
 delete from below delete till above 
 
 this will also remain 
 end  

基本上，我必须删除第一次出现

的整个块

谢谢，

Answer 1

您最好迭代找到的所有元素。 这样你就可以了

• a。）删除所有元素
• b。）如果没有元素，就什么也没做。

例：

 Document doc = ... for( Element element : doc.select("div.XYZ") ) { element.remove(); } 

---

编辑：

（我的评论的补充）

在此处进行简单的零/范围检查时，请勿使用exception处理：

 doc.select("div.XYZ").first().remove(); 

代替：

 Elements divs = doc.select("div.XYZ"); if( !divs.isEmpty() ) { /* * Here it's safe to call 'first()' since there at least one element. */ } 

Answer 2

试试这段代码：

 String data = null; BufferedReader br = new BufferedReader(new FileReader("e://XMLFile.xml")); StringBuilder builder = new StringBuilder(); while ((data = br.readLine()) != null) { builder.append(data); } System.out.println(builder); String replaceAll = builder.toString().replaceAll("
", ""); System.out.println(replaceAll); 

我已从文件中读取输入XML并通过逐行读取将其存储在StringBuilder对象中，然后替换整个 标签将为空字符串。

Answer 3

昨天我问了这个问题，感谢ollo的回答。 它解决了。 有上述问题的延伸。 我不知道我是否必须开始一个新的post或链接这个。 所以，在这种混乱中，我在这里链接它。管理员请原谅我，如果我必须为此单独发布一个post。

在上面的问题中，我必须删除带有匹配组件的标记块。

真实的情况是：它应该删除带有匹配组件的标签块+删除
围绕它。

参考上面的例子。

  start 
 delete from below 
 
 
 first div having this class 
 waste 
 
 second div having this class 
 waste 
 
 delete till above 
 
 this will also remain 
 end  

也应该给出相同的输出：

  start 
 delete from below delete till above 
 
 this will also remain 
 end  

因为它已经在html标签块的上方和下方移除….

为了重新迭代，我使用ollo给出的解决方案来匹配并删除标记块。

 for( Element element : doc.select("div.XYZ") ) { element.remove(); } 

谢谢，谢卡尔

Answer 4

这可能对你有所帮助。

  String selectTags="div,li,p,ul,ol,span,table,tr,td,address,em"; /*selecting some specific tags */ Elements webContentElements = parsedDoc.select(selectTags); String removeTags = "img,a,form"; /*Removing some tags from selected elements*/ webContentElements.select(removeTags).remove();