使用Jsoup解析XML

我得到以下代表新闻文章的XML：

 Some text blalalala 
Small subtitle
 Some more text blbla 
 
List item 1
 
List item 2
 
 
 Even more freakin text  

我知道格式不理想，但现在我必须接受它。

文章应该如下：

• 一些文字blalalala
• 小副标题
• 列出项目
• 甚至更奇怪的文字

我用Jsoup解析这个XML。 我可以使用doc.ownText()获取标签内的文本，但后来我不知道其他东西（副标题）放在哪里，我只得到一个大String 。

为此使用基于事件的解析器会更好（我讨厌它们:(）还是有可能做像doc.getTextUntilTagAppears("tagName")这样的事情？

编辑：为了澄清，我知道在下获取元素很热，我的问题是在获取文本，每次被元素中断时都会被分解。

我了解到我可以使用.textNodes()获取内容中的所有文本，效果很好，但是我再次知道我的文章中哪个文本节点属于哪一个（一个位于h2之前的顶部，另一个位于底部） ）。

Answer 1

Jsoup有一个出色的基于选择器的语法。 看这里

如果你想要副标题

 Document doc = Jsoup.parse("path-to-your-xml"); // get the document node 

你知道副标题是在h2元素中

 Element subtitle = doc.select("h2").first(); // first h2 element that appears 

如果您想要列表：

 Elements listItems = doc.select("ul.list > li"); for(Element item: listItems) System.out.println(item.text()); // print list's items one after another 

Answer 2

我犯的错误是通过Elements的XML，不包括TextNodes 。 当我逐个节点地浏览它时，我可以检查Node是Element还是TextNode ，这样我就可以相应地对待它们。