早上好，例如，你怎么能从这个 xml 项（描述）中只获取 txt？
<description><![CDATA[<b>
<font color="#000000">hello world...</font>
</b>]]></description>
我现在的代码是
if (cureent.getNodeName().equalsIgnoreCase("description")){
item.setDescription(cureent.getTextContent());
打印的结果是：
<![CDATA[<b><font color="#000000">hello world...</font></b>]]>
这就是我需要打印的内容：
hello world...
谢谢大家
【问题讨论】：
由于您的输入文件不是格式良好的 XML，因此我们不能使用 DocumentBuilder 类将其解析为 XML。
因此，我们需要通过将其处理为纯文本文件来破解它。
这是我尝试过的：
BufferedReader br = null;
FileReader fr = null;
try {
fr = new FileReader("D:\\workspace\\Test\\Trial.xml"); // Put your text here
br = new BufferedReader(fr);
String sCurrentLine;
StringBuffer totalString = new StringBuffer();
while ((sCurrentLine = br.readLine()) != null) {
totalString.append(sCurrentLine);
}
String condensedString = totalString.substring(totalString.indexOf("<font color="),
totalString.indexOf("</font>"));
String moreCondensedString = condensedString.replaceAll("[0-9]", "").replaceAll("#", "");
System.out.println(moreCondensedString.substring(moreCondensedString.indexOf('>') + 1));
} catch (IOException e) {
e.printStackTrace();
}
在这里，我首先通过从<font color= 和</font> 标记中剪切您的字符串来压缩它。
然后我把所有的numbers和special characters都换掉了
然后我又把字符串从'>'剪下来压缩了
希望对你有帮助！
【讨论】：
试试这个
if (cureent.getNodeName().equalsIgnoreCase("description")){
item.setDescription(cureent.getTextContent().replaceAll("<.*?>", ""););
【讨论】：
我想出了一个使用 Jsoup 的解决方案，它适用于您的示例输入。不过建议使用广泛的输入进行测试。
public static void main(String[] args) throws Exception {
String xml = "<description><![CDATA[<b>\r\n" +
"<font color=\"#000000\">hello world...</font>\r\n" +
"</b>]]></description>";
Document d = Jsoup.parse(xml);
String text = extractText(d.getElementsByTag("description").get(0).text());
System.out.println(text);
}
private static String extractText(String xml) {
Document d = Jsoup.parse(xml);
d = Jsoup.parse(xml);
if(!xml.equals(d.text())){
return extractText(d.text());
}
return d.text();
}
【讨论】：
可能有一个您可以使用的解析器，但我认为一个简单的正则表达式应该可以完成工作：
String textContent = cureent.getTextContent();
String stripped = textContent.replaceAll("^<!\\[CDATA\\[|\\]\\]>$|<[^>]*>","");
item.setDescription(stripped);
以下是上面使用的模式的细分：
"^<!\\[CDATA\\[" // find "<![CDATA[" at beginning
+"|" // or
+"\\]\\]>$" // find "]]>" at ending
+"|" // or
+"<[^>]*>" // every tag from "<" up to ">"
当然，正如评论者提醒我们的那样，如果您有嵌套标签，上述简单的正则表达式将失败，即“>”出现在某个实际上并没有关闭标签的地方。如果这种类型的数据是可能的，最好使用真正的解析器，例如汤。
【讨论】：