我正在尝试使用 Jsoup 解析 HTML 文件。 HTML 中的某些文本不属于标记。
<li class="inactive">
<span class="status label">inactive</span>
<a href="/officers/144662696" class="officer inactive" title="more info on MILLTOWN CORPORATE SERVICES">
MILLTOWN CORPORATE SERVICES
</a>
member,
<span class="status label">inactive</span>
<a href="/companies/us_wv/193180" class="company inactive revoked_(failure_to_file_annual_report)" title="More Free And Open Company Data On EASTBRIDGE L.L.C. (West Virginia (US), 193180)">
EASTBRIDGE L.L.C.
</a>
(West Virginia (US),
<span class="start_date">25 May 2000</span>-<span class="end_date"> 1 Aug 2002</span>)
</li>
我能够读取标签中的所有内容，但我正在尝试获取值(美国西弗吉尼亚州)和成员。
有没有办法获取类外部和 li 标记内部的值。
最佳答案
您可能正在寻找类似 Element#ownText 的内容.
这仅获取当前元素的文本，而不是所有子元素的组合文本。
Element listItem = doc.select("li.inactive").first();
System.out.println(listItem.ownText()); // prints "member, (West Virginia (US), -)"
关于java - 解析复杂的 li 标签，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/46196882/