使用jsoup解析html并删除标记块
我想删除标签之间的所有内容。输入示例可能是
输入：
<body>
start
<div>
delete from below
<div class="XYZ">
first div having this class
<div>
waste
</div>
<div class="XYZ">
second div having this class
</div>
waste
</div>
delete till above
</div>
<div>
this will also remain
</div>
end
</body>
输出将是：
<body>
start
<div>
delete from below
delete till above
</div>
<div>
this will also remain
</div>
end
</body>
基本上，我必须先删除整个区块 <div class="XYZ">
谢谢，
问题答案：
您最好对找到的 所有 元素进行迭代。所以你可以保证
- a。）所有元素都被删除并且
- b。）如果没有元素，那么什么也做不了。
例：
Document doc = ...
for( Element element : doc.select("div.XYZ") )
{
element.remove();
}
编辑：
（除了我的评论）
当简单的 null /范围检查 在这里足够时，请不要使用异常处理：
doc.select("div.XYZ").first().remove();
代替：
Elements divs = doc.select("div.XYZ");
if( !divs.isEmpty() )
{
/*
* Here it's safe to call 'first()' since there at least one element.
*/
}
-
什么是正确的方法来删除只有HTML标签（保留所有自定义/未知的标签）与JSOUP（不是正则表达式）？ 预期输入： 预期产出： 我尝试使用白名单清洁剂。none（），但它也会删除自定义标记。 我也尝试过： 但是它也删除了自定义标签。 这个答案对我不好，因为自定义标记的数量是无限的。
-
我试图从这些div标签中获取文本，但是它们都不返回任何内容: HTML: 我想得到div类“消息”和h4标记和跨越“日期时间”中的文本，我试图： 和： 但是他们没有成功。
-
我实际上正在用Java开发一个文本解析器，有人要求我通过用它解析HTML来增强它。解析器的目的是将被解析的文件分成另外三个文件，一个包含文件中包含的所有单词，一个包括所有句子，另一个包含所有问题。 *.txt部分工作得很好，但我在解析HTML时遇到了一个问题。 我创建了一个扩展名为*.txt的临时文件，并将其在我的文本解析器中传递，但是如果我传递一个带有HTML文件链接的URL，其格式如下所示：
-
我使用JSoup解析字符串，其中包含超文本标记语言标记为纯文本。例如： 它可以很好地解析它，但问题是我的Java字符串是否包含
-
我必须解析一些html并移除锚标记，但我需要保留锚标记的innerHTML 例如，如果我的html文本是： 现在我可以解析上面的html并在jsoup中选择如下所示的标记, 我可以通过， 但是它会从开始括号到结束括号删除完整的achor标记，并且内部html会丢失，如何才能保留只删除开始和结束标记的内部html。 另外，请注意：我知道有从元素中获取outerHTML（）和innerHTML（）的方
-
我正在尝试解析