java - 使用 JTidy 从 html 中删除所需的标签

Question

我正在使用 JTidy 和 xpath 来解析 HTML，但目前解析文本给我带来了一些麻烦，因为它可能包含 b 标签，所以我不想循环它的子节点，而只是删除 'b ' 加载 html 后的标签。

如何从 DOM 文档中删除标签。

Document doc = tidy.parseDOM(url.openStream(), System.out);

例如它的伪代码 - doc.removeTag('<b>');

可能吗？

Answer 1

您已经用“jdom”标记了它，但您的文档是 DOM 文档(不是 JDOM)。

当然，如果它是 JDOM，您可以使用相对简单的文档扫描将元素替换为其内容。或者，您可以使用自定义 SAXHandler 来跳过添加元素的过程。

使用 JDOM，您可以执行以下操作:

for (Iterator <Content> it = document.getDescendants(); it.hasNext(); ) {
  Content c = it.next();
  if ((c instanceof Element) && "b".equals(((Element)c).getName())) {
    Element e = (Element)c;
    it.remove();
    for (Content k : e.getContent()) {
      k.detach();
      it.add(k);
    }
  }
}