java - JSoup 从不包含任何 html 节点的表 td 中提取文本

Question

我有一个这样的 html 字符串:

String html="<table><tbody>
<tr>
<td><p>ABC</p></td>
<td>DEF</td>
</tr>
<tr>
<td><p>GHI</p></td>
<td>MNO</td>
</tr>
</tbody>
</table>";

我只需要提取 td 标签内不再有子元素的文本。我当前的代码返回文本和 html 节点。

Elements elements = doc.select("tbody > tr");
for (Element e : elements) {
    System.out.println(e.select("td").html());
}

但我需要的输出是:

DEF
MNO

提前致谢。

Answer 1

试试这个 CSS 选择器:

tbody > tr > td:not(:has(*))

演示

http://try.jsoup.org/~K4qiK0SxQDeuhE9FvvmUDa3vKKI

描述

tbody  /* Select any tbody */
> tr   /* Select any tr directly under it */
> td   /* Select any td directly under it ... */
:not(:has(*)) /* ... not having any element */

* 运算符只匹配元素。文本节点不是元素。它只是一种节点。

示例代码

Elements elements = doc.select("tbody > tr > td:not(:has(*))");
for (Element e : elements) {
    System.out.println(e.select("td").html());
}

输出

<td>DEF</td>
<td>MNO</td>