Question

我想删除标签之间的所有内容。输入的示例可以是

输入：

<body>
  start
  <div>
    delete from below
    <div class="XYZ">
      first div having this class
      <div>
        waste
      </div>
      <div class="XYZ">
        second div having this class
      </div>
      waste
    </div>
    delete till above
  </div>
  <div>
    this will also remain
  </div>
  end
</body>

输出将是：

<body>
  start
  <div>
    delete from below
    delete till above
  </div>
  <div>
    this will also remain
  </div>
  end
</body>

基本上，我必须删除第一次出现<div class="XYZ">

的整个块

谢谢，

Answer 1

您最好迭代找到的所有元素。所以你可以保持

a。）删除所有元素
b。）如果没有元素，那就没事了。

示例：

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

修改

（我的评论的补充）

在此处进行简单的 null- /范围检查时，不要使用异常处理：

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("<div class=\"XYZ\".+?</div>", "");
    System.out.println(replaceAll);

我已经从文件中读取了输入XML，并通过逐行读取将其存储在StringBuilder对象中，然后替换整个标记将为空字符串。

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帖子或链接这个。所以，在这种混乱中，我在这里链接它。管理员请原谅我，如果我不得不为此单独发帖。

在上面的问题中，我必须删除带有匹配组件的标记块。

真实情况是：它应该删除带有匹配组件的标记块+删除它周围的<br />。

参考上面的例子。

<body>
  start
  <div>
    delete from below
    <br />
    <br />
    <div class="XYZ">
      first div having this class
      <div>
        waste
      </div>
      <div class="XYZ">
        second div having this class
      </div>
      waste
    </div>
    <br />
    delete till above
  </div>
  <div>
    this will also remain
  </div>
  end
</body>

也应该提供相同的输出：

<body>
  start
  <div>
    delete from below
    delete till above
  </div>
  <div>
    this will also remain
  </div>
  end
</body>

因为html标记块上方和下方有<br />要移除....

只是为了重新迭代，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

这可能会对你有帮助。

 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();

使用jsoup解析html并删除标记块

4 个答案: