Question

我想要的是什么：我是Jsoup的新手。我想解析我的html字符串并搜索标记内出现的每个文本值（任何标记）。然后将该文本值更改为其他内容。

我做了什么：我可以更改单个标记的文本值。以下是代码：

public static void main(String[] args) {
        String html = "<div><p>Test Data</p> <p>HELLO World</p></div>";
        Document doc1=Jsoup.parse(html);
        Elements ps = doc1.getElementsByTag("p");
        for (Element p : ps) {
          String pText = p.text();
          p.text(base64_Dummy(pText));
        }
        System.out.println("======================");
        String changedHTML=doc1.html();
        System.out.println(changedHTML);
    }

    public static String base64_Dummy(String abc){
        return "This is changed text";
    }

输出：

======================
<html>
 <head></head>
 <body>
  <div>
   <p>This is changed text</p> 
   <p>This is changed text</p>
  </div>
 </body>
</html>

以上代码可以更改p标记的值。但是，在我的情况下html字符串可以包含任何标记;我希望搜索和更改其价值。如何搜索html字符串中的所有标记并逐个更改其文本值。

Answer 1

您可以尝试使用与此代码类似的内容：

String html = "<html><body><div><p>Test Data</p> <div> <p>HELLO World</p></div></div> other text</body></html>";

Document doc = Jsoup.parse(html);
List<Node> children = doc.childNodes();

// We will search nodes in a breadth-first way
Queue<Node> nodes = new ArrayDeque<>();

nodes.addAll(doc.childNodes());

while (!nodes.isEmpty()) {
    Node n = nodes.remove();

    if (n instanceof TextNode && ((TextNode) n).text().trim().length() > 0) {
        // Do whatever you want with n.
        // Here we just print its text...
        System.out.println(n.parent().nodeName()+" contains text: "+((TextNode) n).text().trim());
    } else {
        nodes.addAll(n.childNodes());
    }
}

您将获得以下输出：

body contains text: other text
p contains text: Test Data
p contains text: HELLO World

Answer 2

您希望使用CSS选择器*和方法textNodes来获取给定标记的文本（Jsoup世界中的Element）。

以下这一行

Elements ps = doc1.getElementsByTag("p");

变为

Elements ps = doc1.select("*");

现在，使用这个新的选择器，您将能够选择HTML代码中的任何元素（标签）。

完整代码示例

public static void main(String[] args) {
    System.out.println("Setup proxy...");
    JSoup.setupProxy();

    String html = "<html><body><div><p>Test Data</p> <div> <p>HELLO World</p></div></div> other text</body></html>";
    Document doc1 = Jsoup.parse(html);
    Elements tags = doc1.select("*");
    for (Element tag : tags) {
        for (TextNode tn : tag.textNodes()) {
            String tagText = tn.text().trim();

            if (tagText.length() > 0) {
                tn.text(base64_Dummy(tagText));
            }
        }
    }
    System.out.println("======================");
    String changedHTML = doc1.html();
    System.out.println(changedHTML);
}

public static String base64_Dummy(String abc) {
    return "This is changed text";
}

输出

======================
<html>
 <head></head>
 <body>
  <div>
   <p>This is changed text</p> 
   <div> 
    <p>This is changed text</p>
   </div>
  </div>This is changed text
 </body>
</html>

如何使用jsoup编辑html标签中的所有文本值

2 个答案:

完整代码示例

输出