Jsoup

Question

我想使用 jsoup HTML 解析器库从 div 元素中提取 HTML 代码。

HTML代码：

<div class="entry-content">
   <div class="entry-body">
      <p><strong>Text 1</strong></p>
      <p><strong> <a class="asset-img-link" href="http://example.com" style="display: inline;"><img alt="IMG_7519" class="asset  asset-image at-xid-6a00d8341c648253ef01b7c8114e72970b img-responsive" src="http://example.com" style="width: 500px;" title="IMG_7519" /></a><br /></strong></p>
      <p><em>Text 2</em> </p>
   </div>
</div>

摘录部分：

String content = ... the content of the HTML from above
Document doc = Jsoup.parse(content);
Element el = doc.select("div.entry-body").first();

我希望结果 el.html() 是 div 选项卡条目正文中的整个 HTML：

<p><strong>Text 1</strong></p>
  <p><strong> <a class="asset-img-link" href="http://example.com" style="display: inline;"><img alt="IMG_7519" class="asset  asset-image at-xid-6a00d8341c648253ef01b7c8114e72970b img-responsive" src="http://example.com" style="width: 500px;" title="IMG_7519" /></a><br /></strong></p>
  <p><em>Text 2</em> </p>

但我只得到第一个 <p> 标签：

<p><strong>Text 1</strong></p>

Answer 1

试试这个：

Elements el = doc.select("div.entry-body");

而不是这个：

Element el = doc.select("div.entry-body").first();

然后：

for(Element e : el){
    e.html();
}

编辑

如果你这样做，也许你会得到你的结果：我已经尝试这样做并且它给出了正确的结果。 Elements el = doc.select("a.asset-img-link");

Answer 2

在你的情况下，你会使用

  doc.select("div[name=entry-body]") to select that specific <div>

根据这个cookbook

Answer 3

正如对 OP 的评论中提到的，我不明白。这是我对问题的重现，它完全符合您的要求：

String html = ""
    +"<div class=\"entry-content\">"
    +"   <div class=\"entry-body\">"
    +"      <p><strong>Text 1</strong></p>"
    +"      <p><strong> <a class=\"asset-img-link\" href=\"http://example.com\" style=\"display: inline;\"><img alt=\"IMG_7519\" class=\"asset  asset-image at-xid-6a00d8341c648253ef01b7c8114e72970b img-responsive\" src=\"http://example.com\" style=\"width: 500px;\" title=\"IMG_7519\" /></a><br /></strong></p>"
    +"      <p><em>Text 2</em> </p>"
    +"   </div>"
    +"</div>"
    ;
Document doc = Jsoup.parse(html);
Element el = doc.select("div.entry-body").first();
System.out.println(el.html());

这导致以下输出：

<p><strong>Text 1</strong></p> 
<p><strong> <a class="asset-img-link" href="http://example.com" style="display: inline;"><img alt="IMG_7519" class="asset  asset-image at-xid-6a00d8341c648253ef01b7c8114e72970b img-responsive" src="http://example.com" style="width: 500px;" title="IMG_7519"></a><br></strong></p> 
<p><em>Text 2</em> </p>

Jsoup - 从元素中提取 html

Jsoup - extract html from element

android

html-parsing