html - 使用 JSoup 删除 HTML 标签之间的文本

Question

在某些 HTML 清理的情况下，我想保留标签之间的文本(这是 Jsoup 的默认行为)，在某些情况下，我想删除文本和 HTML 标签。有人可以阐明我如何使用 Jsoup 删除 HTML 标记之间包含的文本吗？

Answer 1

Cleaner将始终删除标签并保留文本。如果您需要删除元素(即标签和文本/嵌套元素)，您可以预解析 HTML，使用 remove() 删除元素。或 empty() ，然后通过清洁器运行结果。

例如:

String html = "Clean <div>Text dropped</div>";
Document doc = Jsoup.parse(html);
doc.select("div").remove();

// if not removed, the cleaner will drop the <div> but leave the inner text
String clean = Jsoup.clean(doc.body().html(), Whitelist.basic());

如果您使用的是 JSoup 1.14.1+，则使用 Safelist而不是 Whitelist ，因为白名单已被弃用，并将在 1.15.1 中删除。

String clean = Jsoup.clean(doc.body().html(), Safelist.basic());