提取文本

我有以下的HTML代码：提取文本

<div class=example>Text #1</div> "Another Text 1" 
<div class=example>Text #2</div> "Another Text 2"

我想提取以外的标记文本，“另一个文本1”和“其他文本2”

我使用JSoup来实现这一点。

任何想法???

谢谢！

来源

2013-11-09 johnny243

您可以选择每个div -tag的下一个Node（不是Element！）。在你的例子中，他们都是TextNode's。

final String html = "<div class=example>Text #1</div> \"Another Text 1\"\n" 
        + "<div class=example>Text #2</div> \"Another Text 2\" "; 

Document doc = Jsoup.parse(html); 

for(Element element : doc.select("div.example")) // Select all the div tags 
{ 
    TextNode next = (TextNode) element.nextSibling(); // Get the next node of each div as a TextNode 

    System.out.println(next.text()); // Print the text of the TextNode 
}

输出：

"Another Text 1" 
"Another Text 2"

来源

2013-11-10 18:51:12 ollo

非常感谢！ – johnny243

一个解决方案是使用ownText()方法（请参阅Jsoup docs）。此方法仅返回指定元素拥有的文本，并忽略其直接子元素拥有的任何文本。

只使用你提供的HTML，你可以提取<body> owntext：

String html = "<div class='example'>Text #1</div> 'Another Text 1'<div class='example'>Text #2</div> 'Another Text 2'"; 

Document doc = Jsoup.parse(html); 
System.out.println(doc.body().ownText());

将输出：

'Another Text 1' 'Another Text 2'

注意，ownText()方法可以在任何Element使用。 docs还有另一个例子。

来源

2013-11-10 00:28:29 ashatte

回答

相关问题