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?
最佳答案
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);
}
}
}
关于java - 使用 JTidy 从 html 中删除所需的标签,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15896744/