使用 JSOUP 解析 HTMl - 需要特定模式

Question

我正在嘗試獲取標簽之間的文本並保存到某個變量中，例如：這里我想保存em標簽之間的值return 。 我還需要p標簽中文本的 rest， em標簽值分配有return ， p標簽值應該只返回 --> an item, cancel an order, print a receipt, track your purchases or reorder items. 如果某個值在em標簽之前，即使該值也應該在不同的變量中，基本上是一個p ，如果它有多個標簽，那么它應該被拆分並保存到不同的變量中。 如果我知道如何獲得不在內部標簽中的文本的 rest，我可以檢索 rest。

我在下面寫了：下面只返回“em”標簽中的“return”。這里ep基本上是doc.select(p) ，選擇p標簽然后迭代，不確定我是否做對了，任何其他方法受到高度贊賞。

String text ="\<p><em>return </em>an item, cancel an order, print a receipt, track your purchases or reorder items.</p>"

Elements italic_tags = ep.select("em");
for(Element em:italic_tags) { 
 if(em.tagName().equals("em")) {
    System.out.println( em.select("em").text());
   }
}

Answer 1

如果您需要 select 每個子文本和由不同標簽包圍的文本，您需要嘗試選擇Node而不是Element 。 我修改了您的 HTML 以包含更多標簽，因此示例更完整：

        String text = "<p><em>return </em>an item, <em>cancel</em> an order, <em>print</em> a receipt, <em>track</em> your purchases or reorder items.</p>";
        Document doc = Jsoup.parse(text);

        Element ep = doc.selectFirst("p");
        List<Node> childNodes = ep.childNodes();
        for (Node node : childNodes) {
            if (node instanceof TextNode) {
                // if it's a text, just display it
                System.out.println(node);
            } else {
                // if it's another element, then display its first
                // child which in this case is a text
                System.out.println(node.childNode(0));
            }
        }

output：

return 
an item, 
cancel
 an order, 
print
 a receipt, 
track
 your purchases or reorder items.