如何在HTML標記中選擇文本而不在其周圍添加標記（JSoup）

Question

我想在strong-tag中選擇文本，但不包含div ...

是否有可能直接使用jsoup？

我嘗試選擇（不起作用，選擇strong-tag內的完整內容）：

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

HTML：

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

Answer 1

您正在尋找ownText（）方法。

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

Answer 2

看看jsoup必須處理的各種方法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則表達式。 這是一個匹配開始和結束標記的示例正則表達式，也附加了</br>標簽https://www.debuggex.com/r/1gmcSdz9s3MSimVQ

所以你可以這樣做

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

您可以進一步修改此正則表達式以匹配大多數情況。

你可以做的另一件事是，使用javascript或vbscript進一步處理你的變量： -

Elements selection = htmlDocument.select("strong")

jquery代碼在這里： -

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

使用正則表達式，您可以使用jsoup的ownText（）方法來獲取和刪除不需要的字符串。

Answer 3

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

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

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

PS：如果你想將檢索到的文本包裝成“強”標簽，我想你必須建立一個像$('<strong>retrievedText</strong>');這樣的新元素$('<strong>retrievedText</strong>');