У меня есть файлы, содержащие HTML, и я пытаюсь разобрать этот файл, а затем разметить текст тела. Я достигаю этого через:
docs = JSOUP.parse("myFile","UTF-8","");
System.out.println(docs.boy().text());
Приведенные выше коды работают нормально, но проблема заключается в том, что ТЕКСТ, который присутствует вне тегов html без каких-либо тегов, также печатается как часть тегов тела. Мне нужно найти способ остановить чтение этого текста за пределами HTML-тегов. Помогите, это срочный вопрос!
Вы можете выбрать и удалить ненужные элементы в документе.
doc.select("body > :matchText").remove();
Приведенный выше оператор удалит все текстовые узлы, которые являются прямыми дочерними элементами элемента body. Селектор :matchText довольно новый, поэтому убедитесь, что вы используете более новую версию JSoup (1.11.3 определенно работает, а 1.10.2 — нет).
Дополнительную информацию о синтаксисе селектора можно найти на странице https://jsoup.org/cookbook/extracting-data/selector-syntax
