如何使用 Jsoup 从 html 正文中排除任何锚元素？

Question

Document doc=Jsoup.connect(url).userAgent("Mozilla/5.0 +http://www.google.com/bot.html)").timeout(100000).get();
data.add(doc.body().text());

这给了我包括超链接文本或链接文本在内的文本，但我不需要那个。 我只想要纯文本，比如用<p> 、 <b>等标签编写的文本或不带任何标签的文本。

Answer 1

如果你只是想删除所有的a标签，你可以简单地select和remove它们：

doc.select("a").remove();

您可以通过将更多元素添加到select来附加更多要删除的元素

doc.select("a, div, script").remove();

Answer 2

试试这个：

for(Element e : doc.body().select("*:not(a)")) {
    data.add(e.ownText());
}

您可以使用如下所示的 CSS 查询排除其他元素：

*:not(a, p, div)