只需要从 html dom 元素中提取内容答案

【问题标题】：need to extract contents only from the html dom elements只需要从 html dom 元素中提取内容
【发布时间】：2015-11-20 06:35:05
【问题描述】：

我需要从像<div>some text</div>这样的html元素中提取内容在这个元素中，“一些文本”只有我想要在没有任何尖括号的输出中

例如

LineNo:1<HTML>
LineNo:2<HEAD>
LineNo:3<TITLE>Your Title Here</TITLE>
LineNo:4</HEAD>
LineNo:5  <body>
LineNo:6  Bodycontent Start
LineNo:7    <div>
LineNo:8      div content start.
LineNo:9        <div> 
LineNo:10          subdiv content
LineNo:11        </div>
LineNo:12      div content end
LineNo:13    </div>
LineNo:14     body content end
LineNo:15  </body>
LineNo:16</HTML>

我需要像这样的输出： start line number 是标签开头的行号并且内容是该元素的内容，不包括子元素的内容。

start line number : 3, content : Your Title Here content start line number : 5, content : Bodycontent 开始正文内容 end 开始行号：7，内容：div内容开始。 div内容结束起始行号：9，内容：细分内容

谢谢

【问题讨论】：

看看jsoup：jsoup.org

标签： java html string dom text-extraction

【解决方案1】：

您可以将replaceAll 与正则表达式<[^<]+> 一起使用并替换为空字符串。

String myStr = ...;
String myStrExtracted = myStr.replaceAll("<[^<]+>", "");

【讨论】：