如何在Jsoup中僅在Java中獲取特定標簽的消息？

Question

我的HTML中有這樣的標簽：

<p class="outter">
  <strong class="inner">not needed message</strong>
  NEEDED MESSAGE
</p>

我正在嘗試提取“需要的消息”

但是如果我做這樣的事情：

String results = document.select("p.outter").text();
System.out.println(results);

它打印：

不需要的消息需要的消息

所以問題是：

如何獲取特定標簽的文本， 而沒有其內部標簽的文本？

Answer 1

一種解決方案是僅選擇TextNode元素。 在下面找到一個小片段。

String html = "<p class=\"outter\">\n"
        + "  <strong class=\"inner\">not needed message</strong>\n"
        + "  NEEDED MESSAGE\n"
        + "</p>";
Document doc = Jsoup.parse(html);
Elements elements = doc.select("p.outter");
for (Element element : elements) {
    // as mentioned by luksch
    System.out.println("ownText = " + element.ownText());

    // or manually based on the node type
    for (Node node : element.childNodes()) {
        if (node instanceof TextNode) {
            System.out.println("node = " + node);
        }
    }
}

產量

node =  
node =  NEEDED MESSAGE 

因此，您需要根據需要過濾輸出。 例如跳過空的。

Answer 2

您可以在選擇段落之后使用ownText() 。 例

package com.stackoverflow.answer;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;
import org.jsoup.nodes.Element;

public class HtmlParserExample {

    public static void main(String[] args) {
        String html = "<p class=\"outter\"><strong class=\"inner\">not needed message</strong>NEEDED MESSAGE</p>";
        Document doc = Jsoup.parse(html);
        Elements paragraphs = doc.select("p");
        for (Element p : paragraphs)
            System.out.println(p.ownText());
    }

}

Answer 3

使用Jsoup的ownText （）方法：

String results = document.select("p.outter").ownText();
System.out.println(results);