使用 Jsoup 解析 html 并删除特定样式的 span答案

【问题标题】：Parsing html with Jsoup and removing spans with certain style使用 Jsoup 解析 html 并删除特定样式的 span
【发布时间】：2012-05-27 11:59:49
【问题描述】：

我正在为朋友写一个应用程序，但我遇到了问题，网站上有这些

<span style="display:none">&amp;0000000000000217000000</span>

我们甚至不知道它们是什么，但我需要将它们移除，因为我的应用正在输出它们的值。

有什么方法可以检查它是否在元素中并将其删除？我有一个 for-each 循环解析，但是我不知道如何有效地删除这个元素。

谢谢

【问题讨论】：

标签： java android html jsoup

【解决方案1】：

如果您想完全基于样式属性删除这些跨度，请尝试以下代码：

String html = "<span style=\"display:none\">&amp;0000000000000217000000</span>";
html += "<span style=\"display:none\">&amp;1111111111111111111111111</span>";
html += "<p>Test paragraph should not be removed</p>";

Document doc = Jsoup.parse(html);

doc.select("span[style*=display:none]").remove();

System.out.println(doc);

这是输出：

<html>
 <head></head>
 <body>
  <p>Test paragraph should not be removed</p>
 </body>
</html>

【讨论】：

【解决方案2】：

试试这个：

//Assuming you have all the data in a Document called doc:
String cleanData = doc.select("query").text();

.text();方法将清除所有 html 标签并用人类可读的内容替换所有编码。哦，是的，然后是方法 ownText();这也可能有帮助。我不能说哪个最适合你的目的。

【讨论】：

【解决方案3】：

可以使用JSOUP访问元素的innerHTML，去掉转义字符，替换innerHTML：

Elements elements = doc.select('span');
for(Element e : elements) {
    e.html( e.html().replaceAll("&amp;","") );
}

在上面的示例中，使用包含违规字符的所有元素的选择器获取所有元素的集合。然后，将&amp; 替换为空字符串或您希望的任何字符。

此外，您应该知道&amp; 是& 字符的转义码。如果不转义 & 字符，您可能会遇到 HTML 验证问题。就您而言，如果没有其他信息，我假设您只是真的想消除它们。如果没有，这将帮助您入门。祝你好运！

如果您需要删除尾随数字：

// eliminate ampersand and all trailing numbers
e.html( e.html().replaceAll("&amp;[0-9]*","") );

有关正则表达式的更多信息，请参阅Javadocs on Regex Pattern。

【讨论】：

我希望数字也全部消失，而不仅仅是 &
Samuel，如果整个 innerHTML 是 & 和数字，那么只需使用 e.html(""); 并将其设置为等于空字符串。否则，使用正则表达式。