如何使用 Jsoup 读取 h3 和之后的文本元素？答案

【问题标题】：How can I read h3 and after text element with Jsoup?如何使用 Jsoup 读取 h3 和之后的文本元素？
【发布时间】：2019-09-02 12:59:12
【问题描述】：

我想阅读<h3> 和<h3> 之间的文本，所以我想创建一个json 模型，如标题：文本、文本、h3 文本和没有广告的文本。

{
  "title": "text,text,text",
  "title": "text",
  "title": "text",
  ...
}

在这种情况下，我如何使用 Java 或 Kotlin 做到这一点？

<div class="biri" id="biri">
    <h1>Yoksa Birisi mi itti?</h1>
    <h3>Title</h3>Text,
    <br>Text,
    <br>Text.
    <h3>Title:</h3>Text
    <h3>Title:</h3>Text
    <div class="ad">
        <div style="max-width:336px;">
            <script async src="//pagead2.googlesyndication.com/pagead/js/adsbygoogle.js"></script>
            <ins class="adsbygoogle" style="display:block" data-ad-client="ca-pub-7180771993103993" data-ad-slot="2897611612" data-ad-format="auto"></ins>
            <script>
                (adsbygoogle = window.adsbygoogle || []).push({});
            </script>
        </div>
    </div>
    <h3>Title</h3>Text:
    <b>Text:</b> (Text
    <br>
</div>

【问题讨论】：

标签： java html jsoup

【解决方案1】：

使用Document.select()可以获取所有h3标签：

Document doc = Jsoup.parse(html);
List<String> h3s = doc.select("h3").stream()
        .map(Element::text)
        .collect(Collectors.toList());

这会提取所有h3 标签的内容并收集它们的内容。结果是这样的：

[Title, Title:, Title:, Title]

除此之外，您要创建的 JSON 无效，因为 JSON 对象中的键必须是唯一的，因此您不能有多个 h3 键。

【讨论】：

"Title": "Text,Text,Text" 不可能吗？
“文本，文本，文本”不在 h3 元素中。
不，这个 html 是不可能的。如果内容没有改变，你也许可以使用正则表达式。