使用JSoup去除HTML标签之间的文字 [英] Removing text enclosed between HTML tags using JSoup

问题描述

在某些HTML清理的情况下，我想保留标记之间的文本（这是Jsoup的默认行为），并且在某些情况下，我想删除文本以及HTML标记。有人可以抛出一些关于如何删除使用Jsoup的HTML标记之间的文本？

= http://jsoup.org/apidocs/org/jsoup/Jsoup.html#clean%28java.lang.String,%20java.lang.String,%20org.jsoup.safety.Whitelist%29>清洁将始终删除标签并保留文本。如果您需要删除元素（即标记和文本/嵌套元素），则可以预分析HTML，使用 remove（） 或 empty（） ，然后通过清理器运行结果。

例如：

 字符串html =清洁< div>文字被删除< / div> ; 
 Document doc = Jsoup.parse（html）; 
 doc.select（div）。remove（）; 
 //如果不删除，清洁工将删除< div>但留下内部文本
 String clean = Jsoup.clean（doc.body（）。html（），Whitelist.basic（））; 
  

In some cases of HTML cleaning, I would like to retain the text enclosed between the tags(which is the default behaviour of Jsoup) and in some cases, I would like to remove the text as well as the HTML tags. Can someone please throw some light on how I can remove the text enclosed between the HTML tags using Jsoup?

解决方案

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());

这篇关于使用JSoup去除HTML标签之间的文字的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！