如何使用 jsoup 读入网页非链接文本？

Question

我知道，如果我想用 Jsoup 打印链接和链接文本，我必须使用以下代码：

        Document doc = Jsoup.connect("https://en.wikipedia.org/wiki/Jsoup").get();
        Elements links = doc.select("a[href]");
        for (Element link : links) {
            System.out.println(link.attr("abs:href") + " - " + link.text());
        }

输出：（不完整）

   https://en.wikipedia.org/wiki/Jsoup#mw-head - Jump to navigation
   https://en.wikipedia.org/wiki/Jsoup#p-search - Jump to search
   https://en.wikipedia.org/wiki/Software_developer - Developer(s)
   https://en.wikipedia.org/wiki/Software_release_life_cycle - Stable release 
   https://en.wikipedia.org/wiki/Jsoup#cite_note-1 - [1]
   https://en.wikipedia.org/wiki/Jsoup#cite_note-2 - [2]
   https://en.wikipedia.org/wiki/Repository_(version_control) - Repository 
   https://github.com/jhy/jsoup - github.com/jhy/jsoup
   ...

如果我想打印整个网页的文本，我必须使用以下代码：

System.out.println(doc.body().text());

输出：（不完整）

jsoup 来自维基百科，免费的百科全书 跳转到导航 跳转到 search jsoup Java HTML Parser Developer(s) Jonathan Hedley Stable 发布 1.11.3 [1] / 2018-04-15 [2] 存储库 github.com/jhy/jsoup...

如何打印没有链接文本的文档的所有文本？

输出我想要的：

jsoup 来自维基百科，免费的百科全书 jsoup Java HTML 解析器 Jonathan Hedley 1.11.3 / 2018-04-15 ...

Answer 1

Jsoup 的Elements 有一个remove() 方法。这应该会从您的文档中删除链接。

Document doc = Jsoup.connect("https://en.wikipedia.org/wiki/Jsoup").get();
doc.select("a[href]").remove();
System.out.println(doc.body().text());