java – Jsoup：在无CSS的HTML中提取两个块之间的所有HTML

发布时间：2020-12-15 03:11:33 所属栏目：Java 来源：网络整理

导读：使用Jsoup在符合此模式的两个块之间提取所有 HTML(字符串,文档或元素)的最佳方法是什么： strong {any HTML could appear here,except for a strong pair}/strong ... {This is the HTML I need to extract. any HTML could appear here,except for a strong

使用Jsoup在符合此模式的两个块之间提取所有 HTML(字符串,文档或元素)的最佳方法是什么：

<strong>
 {any HTML could appear here,except for a <strong> pair}
</strong>

 ...
 {This is the HTML I need to extract. 
  any HTML could appear here,except for a <strong> pair}
 ... 

<strong>
 {any HTML could appear here,except for a <strong> pair}
</strong>

使用正则表达式这可能很简单,如果我将它应用于整个body.html()：

(<strong>.+</strong>)(.+)(<strong>.+</strong>)
                       ^
                       +----- There I have my HTML content

但是,正如我从similar challenge中学到的那样,如果我使用已经解析过Jsoup的DOM,性能可以提高(即使代码稍微长一点) – 除了这次没有Element.nextSibling()和Element.nextElementSibling()都可以来救援.

例如,我在Jsoup中搜索了类似jQuery的nextUntil,但是找不到类似的东西.

是否有可能提出比上述基于正则表达式的方法更好的东西？

解决方法

我不知道它是否更快,但也许这样的东西会起作用：

Elements strongs = doc.select("strong");
Element f = strongs.first();
Element l = strongs.last();
Elements siblings = f.siblingElements();
List<Element> result = siblings.subList(siblings.firstIndexOf(f) + 1,siblings.lastIndexOf(l));

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!