如何在超文本标记语言标记中选择文本，而周围没有标记（JSoup）

Question

我想选择强标签内的文本，但不在其下的div。。。

有没有可能直接与jsoup合作？

我的选择尝试（不工作，选择强标签内的完整内容）：

Elements selection = htmlDocument.select("strong").select("*:not(.dontwantthatclass)");

HTML:

<strong>
   I want that text
   <div class="dontwantthatclass">
   </div>
</strong>

Answer 1

我猜您使用的是jQuery，所以可以在“strong”元素上使用“innerText”属性：

var selection = htmlDocument.select("strong")[0].innerText;

https://jsfiddle.net/scratch_cf/8ds4uwLL/

PS：如果你想把检索到的文本包装成一个“强”标记，我认为你必须构建一个新元素，比如$（'

Answer 2

看看jsoup必须处理的各种方法https://jsoup.org/apidocs/org/jsoup/nodes/Element.html.你可以使用remove（），removeChild（）等等。你可以使用regex。下面是一个示例正则表达式，它匹配开始标记和结束标记，还附加了

所以你可以这样做

selection.replace(/<([^ >]+)[^>]*>.*?<\/\1>|<[^\/]+\/>/ig, "");

您可以进一步修改此正则表达式以匹配大多数情况。

你可以做的另一件事是，使用javascript或vbcript进一步处理变量：-

Elements selection = htmlDocument.select("strong")

jquery代码如下：-

var removeHTML = function(text, selector) {
    var wrapped = $("<div>" + text + "</div>");
    wrapped.find(selector).remove();
    return wrapped.html();
}

有了正则表达式，你可以使用jsouText（）方法来获取和删除不需要的字符串。

Answer 3

您正在寻找ownText（）方法。

String txt = htmlDocument.select("strong").first().ownText();