html - Jsoup只过滤掉从html到text的一些标签

Question

任何jsoup大师可以告诉我一些将html过滤为文本/字符串的建议吗？我尝试过调用 Document 的 text() 。但所有标签/元素都将被过滤。我的目标是过滤一些指定的标签。

即:我的 html 文本如下:

<div>hello<p>world</div>,<table><tr><td>xxx</td></tr>

获取结果:

<div>hello<p>world</div>,xxx 

其中已过滤标签。

Answer 1

我现在无法对此进行测试，但我认为您想要编写一个递归函数，该函数遍历树并根据条件打印每个节点。以下是其外观的示例，但我希望您必须对其进行修改以更准确地满足您的需求。

Document doc = JSoup.parse(page_text);
recursive_print(doc.head());
recursive_print(doc.body());

...

private static Set<String> ignore = new HashSet<String>(){{
  add("table");
  ...
}};
public static void recursive_print(Element el){
   if(!ignore.contains(el.className()))
     System.out.println(el.html());
   for(Element child : el.children())
     recursive_print(child);
}