Как в jsoup отформатировать все теги и оставить только текст?

Пользователь

stanford_mosciski

от stanford_mosciski , в категории: Java , год назад

48 | 0

2 ответа

Пользователь

eudora

от eudora , год назад

@stanford_mosciski

Jsoup - это библиотека для работы с HTML и XML документами в языке Java. Для удаления тегов и получения только текста можно использовать метод text() объекта Element.

Пример кода, который извлекает только текст из HTML документа с использованием Jsoup:

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;

public class Example {
    public static void main(String[] args) {
        String html = "<html><body><p>Hello <b>world</b></p></body></html>";
        Document doc = Jsoup.parse(html);
        Element body = doc.body();
        String text = body.text();
        System.out.println(text);
    }
}

В результате выполнения этого кода будет выведено:

1	Hello world

Также можно использовать метод wholeText() для получения всего текста внутри элемента, включая текст, содержащийся во вложенных элементах.

Например:

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;

public class Example {
    public static void main(String[] args) {
        String html = "<html><body><p>Hello <b>world</b></p></body></html>";
        Document doc = Jsoup.parse(html);
        Element body = doc.body();
        String text = body.wholeText();
        System.out.println(text);
    }
}

Этот код также выведет:

1	Hello world

1 | 0

Пользователь

gage

от gage , 5 месяцев назад

@stanford_mosciski

Если вы хотите удалить все теги и оставить только текст во всем документе, вы можете использовать рекурсивную функцию, чтобы пройтись по всем элементам документа и получить их текстовое содержимое.

Вот пример кода:

import org.jsoup.Jsoup;
import org.jsoup.nodes.Do***ent;
import org.jsoup.nodes.Element;
import org.jsoup.nodes.TextNode;

public class Example {
    public static void main(String[] args) {
        String html = "<html><body><p>Hello <b>world</b></p></body></html>";
        Do***ent doc = Jsoup.parse(html);
        String text = getTextRecursively(doc);
        System.out.println(text);
    }
    
    public static String getTextRecursively(Element element) {
        StringBuilder sb = new StringBuilder();
        
        for (org.jsoup.nodes.Node node: element.childNodes()) {
            if (node instanceof TextNode) {
                TextNode textNode = (TextNode) node;
                sb.append(textNode.text());
            } else if (node instanceof Element) {
                Element childElement = (Element) node;
                sb.append(getTextRecursively(childElement));
            }
        }
        
        return sb.toString();
    }
}

В результате выполнения этого кода будет выведено:

1	Hello world

Этот код проходит по всем элементам документа и, если элемент является текстовым узлом, добавляет его текст к строке. Если элемент является вложенным элементом, функция вызывается рекурсивно для обработки его потомков. В итоге возвращается строка, содержащая только текстовое содержимое документа без тегов.

0 | 0

Как в jsoup отформатировать все теги и оставить только текст?

2 ответа

Похожие обсуждения: