Jsoup僅過濾掉一些從html到文本的標簽

Question

jsoup的高手可以告訴我一些將html過濾為文本/字符串的建議嗎？ 我試過調用Document的text（）。 但是所有標簽/元素都會被過濾。 我的目的是過濾一些指定的標簽。

即：我有html文字，例如：

<div>hello<p>world</div>,<table><tr><td>xxx</td></tr>

得到結果：

<div>hello<p>world</div>,xxx 

其中已過濾標簽。

Answer 1

我現在無法測試，但是我想您想編寫一個遞歸函數，該函數逐步遍歷樹並根據條件打印每個節點。 以下是其外觀的示例，但我希望您必須對其進行修改以更精確地滿足您的需求。

Document doc = JSoup.parse(page_text);
recursive_print(doc.head());
recursive_print(doc.body());

...

private static Set<String> ignore = new HashSet<String>(){{
  add("table");
  ...
}};
public static void recursive_print(Element el){
   if(!ignore.contains(el.className()))
     System.out.println(el.html());
   for(Element child : el.children())
     recursive_print(child);
}

Answer 2

您可以使用Whitelist來實現此目標。 例如：

Whitelist whiteList = new Whitelist();
whiteList.addTags("div", "p", "td");

這意味着所有其他標簽將被刪除。