从网页解析纯文本答案

【问题标题】：Parsing plain text from webpage从网页解析纯文本
【发布时间】：2013-05-21 16:10:53
【问题描述】：

这是我第一次在这个论坛上提问，所以希望大家不要太严格。这个学期我一直在做项目，我决定制作一个能够解析来自网站（不是一个，而是很多）的文章并将其保存在文本文件或 SQLite 数据库中的 Android 应用程序 。我已经这样做了 5 个月，我真的不知道如何从网页中获取特定的纯文本，而不会与特定的文章内容无关，例如添加等。通过这个论坛，我发现了如何使用 Jsoup 解析来自一个网站的数据（我在我的项目中使用了一个）。而且我认为它可能也适用于多个网站，但是由于许多网站使用不同的html标签来表示某篇文章的内容，我找不到任何可以使用的通用参数。我不确定，但我想我在这个论坛上看到有人说这种事情是不可能的，但是我们如何解释这种应用程序的存在，例如 Pocket（以前读过）， Instapaper 等。这些应用程序正在做我最终希望我的应用程序做的事情。那么任何人都可以就我能做些什么提出任何建议吗？谢谢。

【问题讨论】：

欢迎来到 Stack Overflow。一旦您决定首先尝试哪门课程，请返回具体问题。向我们展示您的尝试，以及您遇到的具体问题。或者，如果您现在遇到代码问题，请展示您的代码，然后我们可以提供帮助。开放式问题通常很快就结束了。

标签： android parsing

【解决方案1】：

我不确定它是否会显示整个故事，但这里是代码：

doc = Jsoup.connect("http://"+URLField.getText().toString()+"").get();

                // get page title
                title = doc.title();
                doc = new Cleaner(Whitelist.none()).clean(doc);

这里我只是使用 Jsoup 库及其 Cleaner 类，但我得到了很多我不想出现的文本。我想张贴图片以说明清楚（我想要什么），但是这个论坛不允许我这样做。

【讨论】：