java - 解析字符串并收集具有不同 id 的 HTML 元素

Question

我已将 HTML 内容传递给字符串“Html_content”。我需要解析字符串“Html_content”并使用那里的ID选择几个DIV标签，例如“fullHeader”是DIV的ID，我需要选择“fullHeader”的div标签内的内容并将其存储为字符串。

我尝试了 JSOUP但我需要将收集到的 div 标签保存在 Document 中，但我需要将其保存为字符串，但使用 Jsoup 是不可能的，有没有其他选择？

Answer 1

但我需要将其保存为字符串，但使用 Jsoup 是不可能的

错了，Jsoup 有这个Element#text()方法。

String text = element.text(); // <div>foo<b>bar</b></div> will give "foobar"
// ...

或者，当您还想在字符串中包含 HTML 时，请使用Element.html()or Element#outerHtml()，具体取决于要求。

String html = element.html(); // <div>foo<b>bar</b></div> will give "foo<b>bar</b>"
// ...

或者

String html = element.outerHtml(); // <div>foo<b>bar</b></div> will give exact this string
// ...

Answer 2

JSoup 正是您所需要的。我的理解是，您需要将 HTML 元素以字符串形式返回给您，以便您可以进一步使用它们来创建另一个文档。

假设您从 HTML 中提取了Element 对象，例如ele 。

现在写

String htmlForEle = new Element(Tag.valueOf("div")).append(ele.clone()).remove().html();

ele 的 html 正是您正在寻找的。

Answer 3

如果您强制将 HTML 转换为 XML 语法，那么您可以使用 XPath、SAX、DOM 和其他 XML 工具来操作文档。