java - Jsoup:获取文本和网址

Question

我有这个 HTML block :

<div class="singolo-contenuto link_azure">
<p>I'm a TEXTXXXXXXXXXXXXXXXX<p>
<a href="http://example.com">Name of URL</a></p></p>
<ul class="list_attachments"><li><a    
href="DON'T TOUCH"><img src='/img/fileicons/file.png' alt='file'/> TITLE</a></li></ul> 
</div>
<div class="clear"></div>

实际上我正在使用以下内容获取文本:

 document.select(".singolo-contenuto").text();

这又回到了我的身边: “我是 TEXTXXXXXXXXXXXXXXXX URL 名称”。无法获取“我是 TEXTXXXXXXXXXXXXXXXX http://example.com URL 名称”吗？

在所有页面中并不总是相同。 我只确定文本和 href 将位于“”singolo-contenuto link_azure”类中。

Answer 1

您可以根据需要用文本替换所有链接，然后调用 .text()

伪代码:

for (Element elem : document.select(".singolo-contenuto a")) {
    if(elem.parents().hasClass("list_attachments")) continue;
    String href = elem.attr("href");
    String text = elem.text();
    elem.replaceWith(new TextNode(href + " " + text, ""));
}
String result = document.select(".singolo-contenuto").text();