帶有jsoup或tika的getText（）：有li元素並帶回車

-1

在獲取html頁面的全文（使用tika或jsoup）時，是否有可能在每個「li」元素之間有回車符？帶有jsoup或tika的getText（）：有li元素並帶回車

今天我用緊湊的方式把所有的文字。

感謝

來源

2015-11-26 user1660655

請註明出處HTML的一個例子，EXPEC特德輸出，所以我可以幫助你:) –

這聽起來像你有一些代碼，幾乎你想要的，但不完全。如果您向我們展示您已完成的工作以及您想要取得的輸出結果，則您更有可能獲得有用的幫助。 –

這是Andrew Phillips的改進版本。

的Java

package com.github.davidepastore.stackoverflow33947074; 

import java.io.IOException; 
import java.io.InputStream; 

import org.jsoup.Jsoup; 
import org.jsoup.nodes.Document; 
import org.jsoup.nodes.Element; 
import org.jsoup.nodes.Node; 
import org.jsoup.nodes.TextNode; 

/** 
* Stackoverflow 33947074 
* 
*/ 
public class App 
{ 
    public static void main(String[] args) throws IOException { 
     ClassLoader classloader = Thread.currentThread() 
       .getContextClassLoader(); 
     InputStream is = classloader.getResourceAsStream("file.html"); 
     Document document = Jsoup.parse(is, "UTF-8", ""); 
     Element element = document.select("html").first(); 
     String text = getText(element); 
     System.out.println("Result: " + text); 
    } 

    /** 
    * Get the custom text from the given {@link Element}. 
    * @param element The {@link Element} from which get the custom text. 
    * @return Returns the custom text. 
    */ 
    private static String getText(Element element) { 
     String working = ""; 
     for (Node child : element.childNodes()) { 
      if (child instanceof TextNode) { 
       working += ((TextNode) child).text(); 
      } 
      if (child instanceof Element) { 
       Element childElement = (Element)child; 
       if (childElement.tag().getName().equalsIgnoreCase("li")) { 
         working += "\n"; 
       }     
       working += getText(childElement); 
      } 
     } 
     return working; 
    } 
}

file.html

<html> 
<head> 
<title>Try jsoup</title> 
</head> 
<body> 
<p>This is <a href="http://jsoup.org/">jsoup</a>.</p> 
<ul> 
    <li>First element</li> 
    <li><a href="#">Second element</a></li> 
    <li>Third element <b>Additional for third element</b></li> 
</ul> 
</body> 
</html>

輸出

Result: Try jsoup This is jsoup. 
First element 
Second element 
Third element Additional for third element

來源

2015-11-27 09:28:12

謝謝你的回答。我今天下午會嘗試。問候 – user1660655

謝謝。使用Tika時，我會重載endElement事件並在li元素到達時追加\ n。 – user1660655

帶有jsoup或tika的getText（）：有li元素並帶回車

回答

相關問題