使用 JSoup 删除 HTML 标记之间的文本答案

【问题标题】：Removing text enclosed between HTML tags using JSoup使用 JSoup 删除 HTML 标记之间的文本
【发布时间】：2011-10-08 00:01:34
【问题描述】：

在 HTML 清理的某些情况下，我想保留标签之间包含的文本（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。有人可以说明如何使用 Jsoup 删除 HTML 标签之间的文本吗？

【问题讨论】：

6 个问题，没有一个被接受。您不感谢这里给您的帮助吗？

标签： html text jsoup extract

【解决方案1】：

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，您可以在 Document d 对象上执行此操作。这将准确无误。

【讨论】：

【解决方案2】：

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() 删除元素，然后通过清理器运行结果。

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());

【讨论】：