如何在HTML标记中选择文本而不在其周围添加标记（JSoup）

Question

我想在strong-tag中选择文本，但不包含div ...

是否有可能直接使用jsoup？

我尝试选择（不起作用，选择strong-tag内的完整内容）：

Elements selection = htmlDocument.select("strong").select("*:not(.dontwantthatclass)");

HTML：

<strong>
   I want that text
   <div class="dontwantthatclass">
   </div>
</strong>

Answer 1

您正在寻找ownText（）方法。

String txt = htmlDocument.select("strong").first().ownText();

Answer 2

看看jsoup必须处理的各种方法https://jsoup.org/apidocs/org/jsoup/nodes/Element.html 。 您可以使用remove() ， removeChild()等。您可以做的一件事是使用正则表达式。 这是一个匹配开始和结束标记的示例正则表达式，也附加了</br>标签https://www.debuggex.com/r/1gmcSdz9s3MSimVQ

所以你可以这样做

selection.replace(/<([^ >]+)[^>]*>.*?<\/\1>|<[^\/]+\/>/ig, "");

您可以进一步修改此正则表达式以匹配大多数情况。

你可以做的另一件事是，使用javascript或vbscript进一步处理你的变量： -

Elements selection = htmlDocument.select("strong")

jquery代码在这里： -

var removeHTML = function(text, selector) {
    var wrapped = $("<div>" + text + "</div>");
    wrapped.find(selector).remove();
    return wrapped.html();
}

使用正则表达式，您可以使用jsoup的ownText（）方法来获取和删除不需要的字符串。

Answer 3

我猜你正在使用jQuery，所以你可以在“strong”元素上使用“innerText”属性：

var selection = htmlDocument.select("strong")[0].innerText;

https://jsfiddle.net/scratch_cf/8ds4uwLL/

PS：如果你想将检索到的文本包装成“强”标签，我想你必须建立一个像$('<strong>retrievedText</strong>');这样的新元素$('<strong>retrievedText</strong>');