Question

使用杰里科，我需要解析这样的事情：

<html>
<div class="title">
    Spoon bows
    <br/>
    <span>
        A Matrix scene.
        <br/>
        Matrix 1
    </span>
</div>
</html>

我想解析“Spoon bows”，但我使用以下代码获取<div>标记内的所有内容：

List<Element> list = item.getAllElementsByClass("title");
if(list!=null) {
    Element title = list.get(0);
    if(title!=null) {
        String text = title.getContent().getTextExtractor().toString();
        }
    }
}

Answer 1

这可以帮到你：

private String getTextContent(Element elem) {
    String text = elem.getContent().toString();

    final List<Element> children = elem.getChildElements();
    for (Element child : children) {
        text = text.replace(child.toString(), "");
    }
    return text;
}

Answer 2

也许你可以遍历标题节点的子元素。

看看这个问题：How to iterate over plain text segments with the Jericho HTML parser

如何使用Jericho解析没有嵌套html元素的文本？

2 个答案: