Question

在通过Jsoup解析Jspx文件时，我注意到遇到新行并且如果存在关闭的html标记，那么jsoup将把内容视为标记之外。另外，我不希望内容存在于两者之间的输出中。

例如： -

我的jspx文件： -

<div xmlns:spring="http://www.springframework.org/tags"
xmlns:fn="http://java.sun.com/jsp/jstl/functions"
xmlns:c="http://java.sun.com/jsp/jstl/core"
xmlns:util="urn:jsptagdir:/WEB-INF/tags/util" 
xmlns:jsp="http://java.sun.com/JSP/Page">

<div> I only require this text </div>

<script type="text/javascript">
        var myVar= '${myVar}',
        var myVar1= '${myVar1}',
        var myVar2= '${myVar2}',
        var myVar3= '${myVar3}',
        var myVar4= '${myVar4}';
</script>

在java代码中： -

Document doc = Jsoup.parse(s);
String text = doc.body().text();

现在，当我运行此代码时： -

实际O / P： -

xmlns:fn="http://java.sun.com/jsp/jstl/functions"
xmlns:c="http://java.sun.com/jsp/jstl/core"
xmlns:util="urn:jsptagdir:/WEB-INF/tags/util" 
xmlns:jsp="http://java.sun.com/JSP/Page">

I only require this text

var myVar= '${myVar}',
var myVar1= '${myVar1}',
var myVar2= '${myVar2}',
var myVar3= '${myVar3}',
var myVar4= '${myVar4}';

预期是： -

I only require this text

添加评论时会发生同样的事情，在几行后我关闭评论然后它也会在输出中显示（“ - ＆gt;”）。

我可能做错了或者可能没有意识到Jsoup的完整范围。任何人都可以帮我这个吗？

感谢。

Answer 1

使用给定的输入和命令，JSoup实际上正在做正确的事情。

让我们分解一下：

Document doc = Jsoup.parse(s);

当提供要解析的任意String时，JSoup会将其包装在<html>和<body>标记中，以使得Document有效。

String text = doc.body().text();

现在您要求all the text of the document's body and all its children。因此，JSoup很高兴地为您提供了这样的解决方案 - 剥离它识别的标签并为您留下超出您想要的标签。

JSoup的真正威力来自于select() method on Elements，因此我们可以使用它缩小到感兴趣的div：

String text = doc.body().select("div div").text();

如果您不熟悉CSS和/或JQuery，那么只需在另一个div内选择div的元素 - 这应该很好地选择您的目标文本。 / p>

请注意，如果您想要非常安全，最好确定感兴趣的div（例如<div id="mydiv">I only require this text</div>），然后使用ownText优先于text：

String text = doc.body().select("div#mydiv").ownText();

ownText() only gets the immediate text of this element，所以如果有人将一个子元素添加到#mydiv，它就不会破坏任何内容/

使用Jsoup处理新的换行符/换行符

1 个答案: