当前位置：文江博客话题详情

使用 JSoup 删除 HTML 标签之间包含的文本

发布于 2024-11-25 01:32:18 字数 114 浏览 1 评论 0原文

在某些 HTML 清理的情况下，我想保留标记之间包含的文本（这是 Jsoup 的默认行为），在某些情况下，我想删除文本以及 HTML 标记。有人可以告诉我如何使用 Jsoup 删除 HTML 标签之间包含的文本吗？

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

荭秂 2024-12-02 01:32:18

Cleaner 将始终删除标签并保留文本。如果您需要删除元素（即标签和文本/嵌套元素），您可以预先解析 HTML，使用 remove() 或 empty() ，然后将所得结果通过清洁器。

例如：

String html = "Clean <div>Text dropped</div>";
Document doc = Jsoup.parse(html);
doc.select("div").remove();

// if not removed, the cleaner will drop the <div> but leave the inner text
String clean = Jsoup.clean(doc.body().html(), Whitelist.basic());

如果您使用的是 JSoup 1.14.1+，则使用安全列表而不是白名单，如白名单已弃用，并将在 1.15.1 中删除。

String clean = Jsoup.clean(doc.body().html(), Safelist.basic());

The Cleaner will always drop tags and preserve text. If you need to drop elements (i.e. tags and text / nested elements), you can pre-parse the HTML, remove the elements using either remove() or empty(), then run the resulting through the cleaner.

For example:

String html = "Clean <div>Text dropped</div>";
Document doc = Jsoup.parse(html);
doc.select("div").remove();

// if not removed, the cleaner will drop the <div> but leave the inner text
String clean = Jsoup.clean(doc.body().html(), Whitelist.basic());

If you are using JSoup 1.14.1+ then use Safelist instead of Whitelist, as Whitelist has been deprecated and will be removed in 1.15.1.

String clean = Jsoup.clean(doc.body().html(), Safelist.basic());

回复收藏 0 原文

花海 2024-12-02 01:32:18

1.     String html = "<!DOCTYPE html><html><head><title></title></head><body><p>hello there</p></body></html>";
2.      Document d = Jsoup.parse(html);
3.      System.out.println(d);
4.      System.out.println("************************************************");
5.      d.getElementsByTag("p").remove();
6.      System.out.println(d);

当您使用 Elements 时遇到一些麻烦，您可以对 Document d 对象执行此操作。这将准确地工作。

1.     String html = "<!DOCTYPE html><html><head><title></title></head><body><p>hello there</p></body></html>";
2.      Document d = Jsoup.parse(html);
3.      System.out.println(d);
4.      System.out.println("************************************************");
5.      d.getElementsByTag("p").remove();
6.      System.out.println(d);

while you getting with Elements you getting some trouble you can do this action on Document d object. that will work accurate.

回复收藏 0 原文

~没有更多了~