java - 使用 XPath 检索 html 标签的内容

标签 java html xpath

我有以下 html 代码:

<div id="ipsLayout_contentArea">
<div class="preContentPadding">
<div id="ipsLayout_contentWrapper">
<div id="ipsLayout_mainArea">
<a id="elContent"></a>
<div class="cWidgetContainer " data-widgetarea="header" data-orientation="horizontal" data-role="widgetReceiver" data-controller="core.front.widgets.area">
<div class="ipsPageHeader ipsClearfix">
<div class="ipsClearfix">
<div class="cTopic ipsClear ipsSpacer_top" data-feedid="topic-100269" data-lastpage="" data-baseurl="https://forum.com/forum/topic/100269-topic/" data-autopoll="" data-controller="core.front.core.commentFeed,forums.front.topic.view">
<div class="" data-controller="core.front.core.moderation" data-role="commentFeed">
<form data-role="moderationTools" data-ipspageaction="" method="post" action="https://forum.com/forum/topic/100269-topic/?csrfKey=b092dccccee08fdbc06c26d350bf3c2b&do=multimodComment">
<a id="comment-626016"></a>
<article id="elComment_626016" class="cPost ipsBox ipsComment ipsComment_parent ipsClearfix ipsClear ipsColumns ipsColumns_noSpacing ipsColumns_collapsePhone " itemtype="http://schema.org/Comment" itemscope="">
<aside class="ipsComment_author cAuthorPane ipsColumn ipsColumn_medium">
<div class="ipsColumn ipsColumn_fluid">
<div id="comment-626016_wrap" class="ipsComment_content ipsType_medium ipsFaded_withHover" data-quotedata="{"userid":3859,"username":"Admin","timestamp":1453221383,"contentapp":"forums","contenttype":"forums","contentid":100269,"contentclass":"forums_Topic","contentcommentid":626016}" data-commentid="626016" data-commenttype="forums" data-commentapp="forums" data-controller="core.front.core.comment">
<div class="ipsComment_meta ipsType_light">
<div class="cPost_contentWrap ipsPad">
<div class="ipsType_normal ipsType_richText ipsContained" data-controller="core.front.core.lightboxedImages" itemprop="text" data-role="commentContent">
<p> Hi, </p>
<p>   </p>
<p> This is a post with multiple </p>
<p> lines of text </p>

我正在尝试获取帖子的内容(以纯文本形式)。我当前使用的 XPath:

//div[@id='ipsLayout_contentArea']/div[2]/div/div[4]/div/form/article/div/div/div[2]/div//text()

检索每个帖子的每一行(由 <p></p> 分隔)。我怎样才能获得帖子的全部内容(里面:

<div class="ipsType_normal ipsType_richText ipsContained" data-controller="core.front.core.lightboxedImages" itemprop="text" data-role="commentContent"> Post content </div>), 

以纯文本形式(以便 <p></p> 被视为文本(以及帖子可能包含的其他标签))?

编辑:

我正在使用以下 XPath:

//div[@id='ipsLayout_contentArea']/div[2]/div/div[4]/div/form/article/div/div/div[2]/div

检索包含帖子正文的 div。

// forumTemplate.getXpathElements().get(forumTemplate.XPATH_GET_THREAD_POSTS) = //div[@id='ipsLayout_contentArea']/div[2]/div/div[4]/div/form/article/div/div/div[2]/div
List<DomNode> posts = (List<DomNode>) firstPage.getByXPath(forumTemplate.getXpathElements().get(forumTemplate.XPATH_GET_THREAD_POSTS));
                for (DomNode post : posts) {
                    // Retrieve the contents of the post as a string
                    String postContentStr = post.getNodeValue();

变量postContentStr始终为空。为什么?

最佳答案

您指定了//text() ,这将递归地获取指定路径下的所有文本节点。根据您使用的内容,这可能会更好:

//div[@data-role='commentContent']

这将与您尝试获取的评论节点相匹配。如果你使用代码来评估,你可以从这里开始。不匹配text()但是,这不会匹配 <p> 中的任何一个标签。

关于java - 使用 XPath 检索 html 标签的内容,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35219549/

相关文章:

javascript - 平滑缩放移动 div 元素

javascript - JS的雷区出了问题

div 内的 HTML 有序列表

selenium - 如何使用 for 循环来改变 ul 和 li 两者?

c# - slowcheetah 转换配置文件中元素的值

java - 使用 JDOM2 获取子对象的堆空间

java - 装饰器模式是否对具有许多字段的 "bulky"类有不利影响?

java - 如何从我的应用程序向 android studio 中的用户发送电子邮件?

java - 类对象的 "isAssignableFrom"的对面?

sql-server - 如何从节点获取值(value)? SQL Server XML dml