如何使用 Jsoup 從 html 正文中排除任何錨元素？

Question

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

這給了我包括超鏈接文本或鏈接文本在內的文本，但我不需要那個。 我只想要純文本，比如用<p> 、 <b>等標簽編寫的文本或不帶任何標簽的文本。

Answer 1

如果你只是想刪除所有的a標簽，你可以簡單地select和remove它們：

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

您可以通過將更多元素添加到select來附加更多要刪除的元素

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

Answer 2

試試這個：

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

您可以使用如下所示的 CSS 查詢排除其他元素：

*:not(a, p, div)