如何使用 Jsoup 删除文本级别的所有元素？

Question

我正在做一个项目，我只对页面布局感兴趣，对文本不感兴趣。我目前无法摆脱文本级别的每个元素。例如：

<div>
    <ul>
        <li>some menu item</li>
        <li>some menu item</li>
        <li>some menu item</li>
    </ul>
</div>
<div>
    <h3>Tile of some text</h3>
    <p></p>
    <p>some text</p>
    <ul>
        <li>some other text</li>
        <li>some other text</li>
        <li>some other text</li>
    </ul>
</div>

我想摆脱文本级别的 ul、li、p 和 h3 元素，但保留 div 和带有菜单项的列表，因为这是页面布局的一部分。如何使用 Jsoup 做到这一点？

我一直在尝试使用 document.select() 然后 .remove() 元素执行此操作，但 select 函数不适用于此类非标准查询。

编辑：我想要得到的最终结果是：

<div>
    <ul>
        <li>some menu item</li>
        <li>some menu item</li>
        <li>some menu item</li>
    </ul>
</div>
<div>

</div>

如您所见，当 ul 标记与包含文本的标记处于同一级别时，它会删除列表。 ul 标签是页面上文本的一部分，与页面布局无关。带有菜单项的 ul 标记对于页面很重要，因为它定义了那里有一个菜单并且它有 3 个不同的项。

Answer 1

您可以使用标准选择和删除所有p、li 和ul 元素：

doc.select("p").remove();
doc.select("ul").remove();
doc.select("li").remove();

Answer 2

我首先找到了我想要删除的标签，然后在它们的父级上调用了 empty()。

    public static void main(String[] args) {
        String html = "<div> <ul>  <li>some menu item</li>  <li>some menu item</li>  <li>some menu item</li> </ul></div><div> <h3>Tile of some text</h3> <p></p> <p>some text</p> <ul>  <li>some other text</li>  <li>some other text</li>  <li>some other text</li> </ul></div>";
        Document doc = Jsoup.parse(html.toString());
        Elements elements = doc.body().select("*");
        for (Element element : elements) {
            if ("h3".equals(element.tagName()) || "p".equals(element.tagName())) {
                element.parent().empty();
            }
        }
        System.out.println(doc.toString());
    }