Java HTML解析（存储为字符串）答案

【问题标题】：Java HTML parsing (storing as String)Java HTML解析（存储为字符串）
【发布时间】：2016-02-02 19:36:19
【问题描述】：

我正在解析一个网页，但我遇到了一些问题，该页面包含很多这样的元素：

<div class="tweet">
        <a href="https://twitter.com/Sweden" target="_blank" class="tweet__link">@sweden</a>
        <span class="tweet__timestamp"><a href="https://twitter.com/sweden/status/694285861026926594" target="_blank" class="tweet__permalink">Feb. 1, 2016, 11:27 p.m.</a></span>
        <p class="tweet__content"><a href='http://twitter.com/UnbatedFlunky' target='_blank'>@UnbatedFlunky</a> Good to know. :)</p>
    </div>

    <div class="tweet">
        <a href="https://twitter.com/Sweden" target="_blank" class="tweet__link">@sweden</a>
        <span class="tweet__timestamp"><a href="https://twitter.com/sweden/status/694285696140513280" target="_blank" class="tweet__permalink">Feb. 1, 2016, 11:26 p.m.</a></span>
        <p class="tweet__content">RT <a href='http://twitter.com/UnbatedFlunky' target='_blank'>@UnbatedFlunky</a>: .<a href='http://twitter.com/sweden' target='_blank'>@sweden</a> exactly the kind of content I'd want representing my country. 10/10</p>
    </div>

我想将每个推文类中的内容放在单独的字符串中，到目前为止我有这段代码：

Document doc = Jsoup.connect("http://curatorsofsweden.com/curator/aleksandra-boscanin/").get();
        Element e = doc.select("div").first();
            String text = doc.getElementsByClass("tweet").text();

但是以这种方式我将所有内容存储在一个字符串中，但我的问题是如何将它们分开放置，例如让我们说字符串数组：/也许这是一个愚蠢的问题，但我无法让它工作：/

【问题讨论】：

您是否考虑过先创建一个模型，然后尝试序列化它？
模型是什么意思：/
这是一个反映 HTML (DOM) 结构的实体（在 OOP 中）。您应该阅读序列化和反序列化。 Apache Xerces 将是一个易于实现的框架，用于将 HTML 反序列化为类：xerces.apache.org/xerces2-j/faq-dom.html#faq-3

标签： java html parsing jsoup

【解决方案1】：

doc.getElementsByClass("tweet") 返回一个数组，您应该在该数组上迭代并为每个tweet 元素创建一个数组条目。例如

List<String> stringList = new ArrayList<>();
List<Element> tweets = doc.getElementsByClass("tweet");
for(Element tweet : tweets){
    stringList.add(tweet.text()); 
}

文本将在stringList 列表中。

【讨论】：