java - 从 jsoup 解析中省略链接、广告等

Question

我正在使用 jsoup 来抓取不同的 html 页面：

public class HtmlParse {
    public static void main(String[] args) throws IOException {
     String site = args[0];
        Document doc = Jsoup.connect(site).get();
        String htm = doc.body().text();
        System.out.println(htm);
    }
}

它工作得很好。然而，它的回报似乎有很多绒毛（即：网站链接 [a href]）。有没有一种快速的方法可以在 jsoup 中省略它？我找到了getElementsByTag文献，但很难使用它。

先感谢您。

Answer 1

您可以“清理”已解析的文档，请参阅示例。例如，只留下简单的文本：

Whitelist whitelist = Whitelist.simpleText();
String result = Jsoup.clean(doc.html(), whitelist);

或者，您可以简单地删除所有a标签：

doc.select("a").remove();