java - 如何使用 jsoup 从此 html 标记中获取文本？

Question

当我使用 jsoup 提取数据时，我遇到了一个职位。像这样的数据：

This is a <strong>strong</strong> number <date>2013</date>

我想得到这样的数据：This is a number

我怎样才能做到这一点？谁能帮我？

Answer 1

您可以将 html 解析为 a Document，选择body-Element 并获取其文本。

例子：

Document doc = Jsoup.parse("This is a <strong>strong</strong> number <date>2013</date>");

String ownText = doc.body().ownText();
String text = doc.body().text();

System.out.println(ownText);
System.out.println(text);

输出：

This is a number  
This is a strong number 2013

Answer 2

这应该回答你的问题：

public String escapeHtml(String source) {
    Document doc = Jsoup.parseBodyFragment(source);
    Elements elements = doc.select("b");
    for (Element element : elements) {
        element.replaceWith(new TextNode(element.toString(),""));
    }
    return Jsoup.clean(doc.body().toString(), new Whitelist().addTags("a").addAttributes("a", "href", "name", "rel", "target"));
}

Jsoup - 如何通过转义不删除不需要的 html 来清理 html？

Answer 3

Document doc = Jsoup.parse("This is a <strong>strong</strong> number <date>2013</date>");

Spanned HtmlDoc = Html.fromHtml(doc.toString());
String fromHTML = HtmlDoc.toString();

System.out.println(fromHTML);