如何在没有标签的情况下选择 HTML 标签中的文本（JSoup）

Posted 2023-03-05

【中文标题】如何在没有标签的情况下选择 HTML 标签中的文本（JSoup）

【英文标题】：How to select text in HTML tag without a tag around it (JSoup)

【发布时间】：2016-10-25 19:39:12

【问题描述】：

我想选择强标签内的文本，但它下面没有 div...

有没有可能直接用 jsoup 做到这一点？

我的选择尝试（不起作用，选择强标签内的全部内容）：

Elements selection = htmlDocument.select("strong").select("*:not(.dontwantthatclass)");

HTML：

<strong>
   I want that text
   <div class="dontwantthatclass">
   </div>
</strong>

【参考方案1】：

看看 jsoup 处理它的各种方法https://jsoup.org/apidocs/org/jsoup/nodes/Element.html。您可以使用remove()、removeChild() 等。 您可以做的一件事是使用正则表达式。 这是一个匹配开始和结束标记的示例正则表达式，还附加了</br> 标记 https://www.debuggex.com/r/1gmcSdz9s3MSimVQ

所以你可以这样做

selection.replace(/<([^ >]+)[^>]*>.*?<\/\1>|<[^\/]+\/>/ig, "");

您可以进一步修改此正则表达式以匹配您的大多数情况。

您可以做的另一件事是，使用 javascript 或 vbscript 进一步处理您的变量：-

Elements selection = htmlDocument.select("strong")

这里的jquery代码：-

var removeHTML = function(text, selector) 
    var wrapped = $("<div>" + text + "</div>");
    wrapped.find(selector).remove();
    return wrapped.html();

通过正则表达式，您可以使用 jsoup 的 ownText() 方法来获取和删除不需要的字符串。

【参考方案2】：

您正在寻找ownText() 方法。

String txt = htmlDocument.select("strong").first().ownText();

【讨论】：

你的回答比我的好:)

【参考方案3】：

我猜你正在使用 jQuery，所以你可以在你的“strong”元素上使用“innerText”属性：

var selection = htmlDocument.select("strong")[0].innerText;

https://jsfiddle.net/scratch_cf/8ds4uwLL/

PS：如果你想将检索到的文本包装成一个“强”标签，我认为你必须构建一个新元素，如$('<strong>retrievedText</strong>');