java - Jsoup 细粒度解析

Question

我试图检查网页正文上的每个 html 标签，看看其中是否有文本。如果是这样，我想要打印该文本:

  Document doc = Jsoup.connect(site).get();     
    Elements e = doc.body().getAllElements();
      for (int i=0; i<e.size(); i++){
         if(doc.body().child(i).hasText()){
        System.out.println(doc.body().child(i).text());
          }
       }

以上可行，但不是我想要的。 child() 方法似乎不是细粒度的，因为它将多个“div 类”元素聚集在一起。如何以更细粒度的方式遍历 DOM 主体以查看每个标签的文本是什么？

提前谢谢您。

Answer 1

    Document doc = Jsoup.connect(site).get();
    doc.body().traverse(new NodeVisitor() {

        @Override
        public void head(Node node, int depth) {
            if (node instanceof TextNode) {
                TextNode tn = ((TextNode) node);
                // Try to improve this filter for the nodes who contain
                // texts with a whitespaces
                if (tn.text().replaceAll("\\s*", "").length() > 0) {
                    System.out.println("Tag:" + tn.parent().nodeName()
                            + ", text:" + tn.text());
                }
            }
        }

        @Override
        public void tail(Node node, int depth) {
            // Do Nothing
        }
    });