Jsoup - 从元素中提取 html答案

【问题标题】：Jsoup - extract html from elementJsoup - 从元素中提取 html
【发布时间】：2016-05-17 19:40:16
【问题描述】：

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>

提取部分：

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() 是来自 div 选项卡 entry-body 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 标签：

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

【问题讨论】：

这个问题对我来说是不可重现的。如果我完全按照你所说的那样做，我会得到所有内部 HTML 就好了。您使用的是哪个版本的 JSoup？我的检查是用 1.8.3 版完成的
我也在使用 1.8.3 - 最后一个版本，但它不起作用...你得到了整个 div 内容的结果？

标签： android html-parsing jsoup

【解决方案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，也许你会得到结果：我已经尝试做到这一点，它给出了正确的结果。 Elements el = doc.select("a.asset-img-link");

【讨论】：

它不起作用.. el.size() 是 1 并且只打印 Text 1

【解决方案2】：

正如 OP 的 cmets 中所述，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());

这会产生以下输出：

<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>

【讨论】：

似乎这是我的愚蠢错误......我在 logcat 中有一些过滤器，这就是为什么我不能只看到第一行......对于这种混乱，我深表歉意，非常感谢。跨度>

【解决方案3】：

在你的情况下，你会使用

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

据此cookbook

【讨论】：

它不起作用 - 它返回 0 个元素。根据您所说的文档，应该使用el.class: elements with class, e.g. div.masthead，但这并不能让我了解整个div 内容..
EDIT 如果你这样做，也许你会得到结果：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");