Question

我的HTML中有这样的标记：

<p class="outter">
  <strong class="inner">not needed message</strong>
  NEEDED MESSAGE
</p>

我正在尝试提取“需要的消息”

但如果我这样做：

String results = document.select("p.outter").text();
System.out.println(results);

打印：

不需要消息NEEDED MESSAGE

所以问题是：

如何从内部代码中获取特定标记没有文本的文本？

Answer 1

一种解决方案可能只选择TextNode元素。在下面找到一个小片段。

String html = "<p class=\"outter\">\n"
        + "  <strong class=\"inner\">not needed message</strong>\n"
        + "  NEEDED MESSAGE\n"
        + "</p>";
Document doc = Jsoup.parse(html);
Elements elements = doc.select("p.outter");
for (Element element : elements) {
    // as mentioned by luksch
    System.out.println("ownText = " + element.ownText());

    // or manually based on the node type
    for (Node node : element.childNodes()) {
        if (node instanceof TextNode) {
            System.out.println("node = " + node);
        }
    }
}

输出

node =  
node =  NEEDED MESSAGE

因此您需要根据您的要求过滤输出。例如。跳过空的。

Answer 2

选择段落后，您可以使用ownText()。实施例

package com.stackoverflow.answer;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;
import org.jsoup.nodes.Element;

public class HtmlParserExample {

    public static void main(String[] args) {
        String html = "<p class=\"outter\"><strong class=\"inner\">not needed message</strong>NEEDED MESSAGE</p>";
        Document doc = Jsoup.parse(html);
        Elements paragraphs = doc.select("p");
        for (Element p : paragraphs)
            System.out.println(p.ownText());
    }

}

Answer 3

使用Jsoup的ownText（）方法：

String results = document.select("p.outter").ownText();
System.out.println(results);

如何在Jsoup中获取仅在java中的特定标记的消息？

3 个答案: