[英]JSoup- Getting text between tags as is
场景:我使用Apache Tika
从DOCX
文件中获取XHTML
。 我需要解析这个XHTML
来获取特定标签之间的文本(例如div或p标签)。 为此,我使用Jsoup
在标签之间获取文本。
问题:最初XHTML
有这样的文字:
some text [tab-space][tab-space] other text.
但是对于Jsoup
我得到了这个:
some text other text.
所以标签空间丢失但我需要按原样获取文本,即包括tag-spaces
。 是否可以使用Jsoup
执行此操作,还是有任何其他Java
库可以执行此操作?
对TextNodes使用getWholeText方法: https ://jsoup.org/apidocs/org/jsoup/nodes/TextNode.html#getWholeText--
final Document doc = Jsoup.parse(new File(".\\source.xhtml"), "UTF-8");
for (Element result : doc.select("div")) {
final String text = ((TextNode) result.childNode(0)).getWholeText();
System.out.println(text);
}
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.