使用jsoup从body标签中提取innerHtml答案

【问题标题】：Extract innerHtml out of body tag using jsoup使用jsoup从body标签中提取innerHtml
【发布时间】：2019-09-30 09:12:11
【问题描述】：

我正在使用 jsoup 解析 html 并想提取 body 标签内的 innerHtml

到目前为止，我尝试使用 document.body.childern().outerHtml;但它只给出 html 元素并跳过正文内的浮动文本（不包含在任何 html 标记中）

private String getBodyTag(final Document document) {
        return document.body().children().outerHtml();
}

输入：

<!DOCTYPE html>
<html lang="de">
    <head>
        <META http-equiv="Content-Type" content="text/html; charset=UTF-8">
        <link rel="stylesheet" type="text/css" href="assets/style.css">
    </head>
    <body>
       <div>questions to improve formatting and clarity.</div>
       <h3>Guided Mode</h3> 
       some sample raw/floating text
    </body>
</html>

预期：

<div>questions to improve formatting and clarity.</div>
<h3>Guided Mode</h3> 
some sample raw/floating text

实际：

<div>questions to improve formatting and clarity.</div>
<h3>Guided Mode</h3>

【问题讨论】：

标签： java html jsoup

【解决方案1】：

请使用这个：

private String getBodyTag(final Document document) {
    return document.body().html();
}

【讨论】：

【解决方案2】：

您可以尝试返回 document.body.innerHtml;，这样它会返回 body 标签内的所有内容，包括任何标签外的文本。

据我所知，您尝试完成它的方式不起作用，因为“原始文本”不被视为孩子。

【讨论】：