如何用Jsoup选择只有空格的元素？

Question

我在选择只有空格的元素时遇到了问题。

鉴于html： <html><body><p> </p></body></html>

使用：empty不会选择我假设的p，因为其中有一个“”的文本节点

但是， :matchesOwn(^\\\\s+$)也不会选择它，因为似乎JSoup在对照正则表达式模式测试之前对文本执行了trim() 。

:matchesOwn(^$)将选择它，但也选择没有非空文本节点的元素

也许我错过了什么？

:matchesOwn根本不应该修剪，因为它使用正则表达式，应该评估整个文本

Answer 1

CSS选择器只能匹配特定类型的节点： element 。 选择器无法找到注释或文本节点。 为了找到只有空格的元素，我们必须依赖Jsoup API。

我们将查找仅具有一个唯一文本节点子节点的节点。 此唯一文本节点必须与以下正则表达式匹配^\\s+$ 。 为了得到（未修剪的）文本，我们将调用TextNode#getWholeText方法。

这是怎么做的：

String html = "<html><body><div><p> </p><p> </p><span>\n\t\n   </span></div><span></span></body></html>";

Document doc = Jsoup.parse(html);

final Matcher onlyWhitespaceMatcher = Pattern.compile("^\\s+$").matcher("");
new NodeTraversor(new NodeVisitor() {

    @Override
    public void head(Node node, int depth) {
        List<Node> childNodes = node.childNodes();
        // * We're looking for nodes with one child only otherwise we move on
        if (childNodes.size() != 1) {
            return;
        }

        // * This unique child node must be a TextNode
        Node uniqueChildNode = childNodes.get(0);
        if (uniqueChildNode instanceof TextNode == false) {
            return;
        }

        // * This unique TextNode must be whitespace only
        if (onlyWhitespaceMatcher.reset(((TextNode) uniqueChildNode).getWholeText()).matches()) {
            System.out.println(node.nodeName());
        }
    }

    @Override
    public void tail(Node node, int depth) {
        // void
    }
}).traverse(doc);
// Instead of traversing the whole document,
// we could narrow down the search to its body only with doc.body()

OUTPUT

p
p
span

如何用Jsoup选择只有空格的元素？

问题描述

1 个解决方案

解决方案1
0 2016-01-26 11:28:11

OUTPUT

如何用Jsoup选择只有空格的元素？

问题描述

1 个解决方案

解决方案1 0 2016-01-26 11:28:11

OUTPUT

解决方案1
0 2016-01-26 11:28:11