Question

使用JSOUP（非正则表达式）删除仅限html标记（保留所有自定义/未知标记）的正确方法是什么？

预期输入：

<html>
  <customTag>
    <div> dsgfdgdgf </div>
  </customTag>
  <123456789/>
  <123>
  <html123/>
</html>

预期产出：

  <customTag>
     dsgfdgdgf
  </customTag>
  <123456789/>
  <123>
  <html123/>

我尝试将Cleaner与WhiteList.none（）一起使用，但它也会删除自定义标签。

我也试过了：

String str = Jsoup.parse(html).text()

但它也删除了自定义标签。

此answer对我不利，因为自定义标签的数量是无限的。

Answer 1

你可能想尝试这样的事情：

String[] tags = new String[]{"html", "div"};
Document thing = Jsoup.parse("<html><customTag><div>dsgfdgdgf</div></customTag><123456789/><123><html123/></html>");
for (String tag : tags) {
    for (Element elem : thing.getElementsByTag(tag)) {
        elem.parent().insertChildren(elem.siblingIndex(),elem.childNodes());
        elem.remove();
    }
}
System.out.println(thing.getElementsByTag("body").html());

请注意＆lt; 123456789 /＆gt;和＆lt; 123＆gt;不符合xml标准，因此它们会被转义。另一个缺点可能是你必须明确写下你不喜欢的所有标签（也就是所有的html标签），它可能是sloooooow。没看过这将会有多快。

MFG 雾

Jsoup删除只有html标签

1 个答案: