Question

我尝试使用Jsoup library解析HTML标记。我想遍历所有元素。并将"\br"替换为""。我使用以下方法：

 private void parseHtmlDoc(Document doc){
        StringBuilder builder;
        List<String> descriptionList=new ArrayList<String>();
         builder=new StringBuilder();
        Elements elementList=doc.getAllElements();
        for(Element element:elementList){
            if(element.equals(doc.select("\r\n"))){
                builder.append(element.text());
                builder.append("\n");
                Log.d("HTML",builder.toString());
            }

            else if(element.equals(doc.select("<img>"))){
                if(builder.length()!=0) {
                    String text = builder.toString();
                    descriptionList.add(text);
                    Log.d("HTML", text);
                }

                 builder=new StringBuilder();

            }

        }

但我的应用程序正在崩溃：

   for(Element element:elementList)

我在这里做错了什么......请帮我解决这个问题。

更新代码：

我将实现更改为以下代码：

 Elements elements=doc.getElementsByTag("html");
        for(Element element:elements){
            Log.d("HTML",element.text());
        }

现在，我正在获取元素中的所有标记。此元素包含内部标记，例如

，
＆lt; \ n＆gt; 。我想迭代每个标签并替换它们。我在这一点上陷入困境。我不知道如何从Html标签中获取子元素。

Answer 1

我不确定我完全理解你要做什么，但也许这会给你一个大方向：

    Document doc;
    try {
        doc = Jsoup.connect("https://developer.mozilla.org/en-US/docs/Web/HTML/Element/br").get();
        String htmlNoBr  = doc.html().replaceAll("<br>", "");
        System.out.println(htmlNoBr);
    } catch (IOException e) {
        e.printStackTrace();
    }

上面的代码取代了所有＆＃34;＆lt; BR＆GT;＆＃34;在带有空字符串的html中出现，并将结果返回给htmlNoBr String对象。

如果你想要删除所有＆＃34;＆lt; BR＆GT;＆＃34;创建一个换行符，我假设你这样做。你应该忽略所有＆＃34;＆lt; BR＆GT;＆＃34;适用于白色的标签＆＃34;＆lt;预＆GT;＆＃34;像这样的标签：

private static final String PRE_TAG = "pre";

public static void  parseHtmlDoc(Document doc) {
    Elements elementList = doc.getAllElements();
    for (Element element : elementList) {

        //if the tag isn't <pre> add it to new elements collection
        if(element.tag().toString().compareTo(PRE_TAG) != 0)
        {
            element.text(element.text().replaceAll("<br>", ""));

        }

    }

}

希望这会有所帮助。此外，下次代码崩溃时，请将崩溃日志添加到您的问题中。

[更新] 要在评论中回答您的问题，这是您可以迭代所有元素及其子元素的一种方式：

    public static void recurseOverElements(Elements elementList){

    if(elementList.size() == 0)
        return;

    for (Element element : elementList) {

        recurseOverElements(element.children());
        System.out.println("element tag = " + element.tagName());
    }


}

[更新2] 使用此代码调用函数：

public static void main(String[] args) {

    Document doc;
    try {
        doc = Jsoup.connect("https://developer.mozilla.org/en-US/docs/Web/HTML/Element/br").get();
        //Create a new empty elements collection
        Elements allElementsInDom = new Elements();
        //send to a method that recurses over all child elements and adds them to the new collection
        recurseOverElements(doc.getAllElements(), allElementsInDom);

        //Iterate over all the elements and their child elements from the DOM
        for (Element element : allElementsInDom) {
            System.out.println(element.tagName());
        }

    } catch (IOException e) {
        e.printStackTrace();
    }

}

这些是对上述方法所做的更改：

/*
 * Iterates over all elements and child elements in elementList
 * Returns allChildElemets collections with all nested elements 
 */
public static Elements recurseOverElements(Elements elementList, Elements allChildElemets){
    if(elementList.size() == 0)
        return allChildElemets;

    for (Element element : elementList) {

        recurseOverElements(element.children(), allChildElemets);
        allChildElemets.add(element);
    }
    return allChildElemets;
}

我不知道是否有更好的方法，但我就是这样做的。

如何使用Jsoup Library从HTML文档中获取所有元素？

1 个答案: