java - Jsoup - 提取文本

Question

我需要像这样从节点中提取文本:

<div>
    Some text <b>with tags</b> might go here.
    <p>Also there are paragraphs</p>
    More text can go without paragraphs<br/>
</div>

我需要构建:

Some text <b>with tags</b> might go here.
Also there are paragraphs
More text can go without paragraphs

Element.text 仅返回 div 的所有内容。 Element.ownText - 不在子元素内的所有内容。两者都错了。遍历 children 会忽略文本节点。

有没有办法迭代元素的内容来接收文本节点。例如

• 文本节点 - 一些文本
• 节点 - 带有标签
• 文本节点 - 可能会放在这里。
• 节点

  - 还有段落

• 文本节点 - 更多文本可以没有段落
• 节点
  -

Answer 1

Element.children()返回 Elements对象 - Element 的列表对象。查看父类，Node ，您将看到允许您访问任意节点的方法，而不仅仅是元素，例如 Node.childNodes() .

public static void main(String[] args) throws IOException {
    String str = "<div>" +
            "    Some text <b>with tags</b> might go here." +
            "    <p>Also there are paragraphs</p>" +
            "    More text can go without paragraphs<br/>" +
            "</div>";

    Document doc = Jsoup.parse(str);
    Element div = doc.select("div").first();
    int i = 0;

    for (Node node : div.childNodes()) {
        i++;
        System.out.println(String.format("%d %s %s",
                i,
                node.getClass().getSimpleName(),
                node.toString()));
    }
}

结果:

1 TextNode 
 Some text 
2 Element <b>with tags</b>
3 TextNode  might go here. 
4 Element <p>Also there are paragraphs</p>
5 TextNode  More text can go without paragraphs
6 Element <br/>