java - 使用Jsoup从网页中获取没有标签的文本

Question

我必须使用 Jsoup 从网页中提取一些数据。

我已经很容易地提取了标签中包含的数据，但我仍然需要一些没有标签的数据。

这是 HTML 源代码的示例:

<a id="aId" href="aLink" style="aStyle">
    <span id="spanId1">
        <b>Caldan Therapeutics</b> 
        Announces Key Appointments And A Collaboration With 
        <b>Sygnature Discovery</b>  
    </span>
    <span id="spanId2" style="spanStyle2">
        5/17/2016
    </span>
</a>

我已经提取了<b>中包含的数据标签以及日期，但我现在想要的是提取句子 Announces Key Appointments And A Collaboration With .

如你所见，这句话没有标签。

我能做些什么来提取它？

我已经完成了我的研究，我所能找到的就是如何去除所有标签。

感谢您的帮助!

Answer 1

我找到了该特定需求的答案，我想与将来可能遇到相同问题的任何人分享。

您所能做的就是使用函数 ownText()，它从元素的子标签中排除文本。

在我们的例子中:

public static void main(String[] args) throws Exception {
    Document doc = Jsoup.connect("http://source-url").get();
    Elements spanTags = doc.getElementsByTag("span");
    for (Element spanTag : spanTags) {
        String text = spanTag.ownText();
        System.out.println(text);
    }
}