使用jsoup从body标签中提取innerHtml

我正在使用jsoup解析html并想要在body标签内提取innerHtml

到目前为止，我尝试并使用document.body.childern（）。outerHtml; 但它只提供html元素并在正文内部跳过浮动文本（不包含在任何html标记内）

private String getBodyTag(final Document document) {
        return document.body().children().outerHtml();}

输入：

<!DOCTYPE html><html lang="de">
    <head>
        <META http-equiv="Content-Type" content="text/html; charset=UTF-8">
        <link rel="stylesheet" type="text/css" href="assets/style.css">
    </head>
    <body>
       <div>questions to improve formatting and clarity.</div>
       <h3>Guided Mode</h3> 
       some sample raw/floating text    </body></html>

预期：

<div>questions to improve formatting and clarity.</div><h3>Guided Mode</h3> some sample raw/floating text

实际：

<div>questions to improve formatting and clarity.</div><h3>Guided Mode</h3>

拉风的咖菲猫

浏览 1214回答 2

2回答

小唯快跑啊

请使用这个：private String getBodyTag(final Document document) {     return document.body().html();}

0 0

慕后森

您可以尝试返回document.body.innerHtml;，因此它会返回body标记内的所有内容，包括任何标记之外的文本。据我所知，你试图完成它的方式不起作用，因为“原始文本”不被视为孩子。

0 0

随时随地看视频慕课网APP