提取從HTML

Question

所有可見的文字，我想創建谷歌瀏覽器的搜索功能。給定一個字符串，它將突出顯示所有包含此字符串的區我使用java。我

要做到這一點，首先我需要提取所有可見的文本。我試圖分析HTML頁面，以弄清如何只提取文本。

對於像這樣的部分，似乎

要做到這一點，我計劃使用jsoup。我不確定如何從看起來像這樣的部分提取文本。 （這是一個帶有「閱讀更多」鏈接和「顯示更少」鏈接的YouTube評論）。

從本節開始，我嘗試提取「不會說謊，DAT狗很可愛」和（「萊斯聚體」或「可見mindre」，這取決於它們是可見的）。

<div class="comment-renderer-text" tabindex="0" role="article"> 
    <div class="comment-renderer-text-content">Not gonna lie, dat dog is ADORABLE</div> 
     <div class="comment-text-toggle hid"> 
      <div class="comment-text-toggle-link read-more"> 
       <button class="yt-uix-button yt-uix-button-size-default yt-uix-button-link" type="button" onclick="return false;"> 
        <span class="yt-uix-button-content">Les mer 
        </span> 
       </button> 
      </div> 
     <div class="comment-text-toggle-link show-less hid"> 
      <button class="yt-uix-button yt-uix-button-size-default yt-uix-button-link" type="button" onclick="return false;"> 
       <span class="yt-uix-button-content">Vis mindre 
       </span> 
      </button> 
     </div> 
    </div> 
</div> 

Answer 1

我打算假定給出的html代碼已經存在於名爲doc的文檔中。

String text = doc.select("div.comment-renderer-text-content").first().text(); 

doc.select命令獲取包含該指定HTML查詢的元素。然後我得到第一個，並將其轉換爲文本。

更可以在這裏讀到：Jsoup Selector

編輯：

您可以使用此代碼來獲取可見的文字，而不是每個等級：

String text = doc.body().text();