JSoup 从不包含任何 html 节点的 table std 中提取文本

Question

我有一个像这样的 html 字符串：

String html="<table><tbody>
<tr>
<td><p>ABC</p></td>
<td>DEF</td>
</tr>
<tr>
<td><p>GHI</p></td>
<td>MNO</td>
</tr>
</tbody>
</table>";

我只需要提取里面没有更多子元素的文本 td tags.My 当前代码 returns me both text and html 个节点。

Elements elements = doc.select("tbody > tr");
for (Element e : elements) {
    System.out.println(e.select("td").html());
}

但我需要的输出是：

DEF
MNO

提前致谢。

Answer 1

尝试 Element.child(int index) 和 index = 0。

Elements elements = doc.select("tbody > tr");
for (Element e : elements) {
    for (Element el : e.select("td")) {
        // el.child(0)
    }
}

Answer 2

我不清楚，如果你想要的只是每个 td 的文本而不是那个 td 的 child 的端口，或者如果你想要进一步排除所有具有 children 的 tds。因此，您可能需要稍微调整一下我的解决方案。

String html="<table><tbody>"
        +"<tr>"
        +"<td><p>ABC</p></td>"
        +"<td>DEF</td>"
        +"<td>DEF2<p>ABC</p></td>"
        +"</tr>"
        +"<tr>"
        +"<td><p>GHI</p></td>"
        +"<td>MNO</td>"
        +"<td>MNO2<p>GHI2</p></td>"
        +"</tr>"
        +"</tbody>"
        +"</table>";

Document doc = Jsoup.parse(html);
Elements elements = doc.select("tbody > tr > td:matchesOwn(.+)");
for (Element e : elements) {
    System.out.println(e.text());
}

上述解决方案查找具有任何自己文本的 td 元素，即匹配正则表达式 .+（至少一个字符）的元素。

如果想进一步剔除含有children的tds，可以这样做：

Document doc = Jsoup.parse(html);
Elements elements = doc.select("tbody > tr > td:matchesOwn(.+):not(:has(*))");
for (Element e : elements) {
    System.out.println(e.text());
}

这同时使用了 :has() 和 :not() 伪选择器，如 JSOUP Docs

中所述

Answer 3

试试这个 CSS 选择器：

tbody > tr > td:not(:has(*))

演示

http://try.jsoup.org/~K4qiK0SxQDeuhE9FvvmUDa3vKKI

描述

tbody  /* Select any tbody */
> tr   /* Select any tr directly under it */
> td   /* Select any td directly under it ... */
:not(:has(*)) /* ... not having any element */

* 运算符仅匹配元素。文本节点不是元素。它只是一种节点。

示例代码

Elements elements = doc.select("tbody > tr > td:not(:has(*))");
for (Element e : elements) {
    System.out.println(e.select("td").html());
}

输出

<td>DEF</td>
<td>MNO</td>

JSoup 从不包含任何 html 节点的 table std 中提取文本

JSoup extract the text from the table td which doesnt contains any html nodes

java

jsoup

演示

描述

示例代码

输出