使用 jsoup 解析格式化文本答案

【问题标题】：Parsing formatted text with jsoup使用 jsoup 解析格式化文本
【发布时间】：2016-12-11 12:36:31
【问题描述】：

我正在尝试使用 jsoup 解析 html 文本。例如，我在 html 中有以下行。

<p align='left'><font size='12.0pt'><u><i><b>A bold italic underlined text:&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;<br><br></b></i></u></font><font size='12.0pt'><i><b>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</b></i></font><font size='9.0pt'><i> </i></font><font size='9.0pt'><b>This is only Bold&nbsp;&nbsp;</i></font><font size='9.0pt'><i> </i></font><font size='9.0pt'><i><b>&nbsp;&nbsp;<br><br>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</b></i></font><font size='9.0pt'>this is a simple line with white spaces at the end and at the beginnig&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</font></p>

如何提取带有粗体、下划线和字体大小等格式信息的文本...

我尝试遍历所有元素并找到TextNodes，没有成功。

提前致谢

【问题讨论】：

你想要<p…>…的内容吗？
我可以通过document.text()获取
…
的内容。我想要的是获取文本的所有格式信息，例如这部分....粗斜体下划线文本： &nbsp ;

标签： jsoup

【解决方案1】：

你可以通过selecting… 的孩子获得这个：

Document doc = ...
Element content = doc.select("p > *").first();

选择器p > * 为您提供… 的直接子代。

结果：

<font size="12.0pt"><u><i><b>A bold italic underlined text:&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;<br><br></b></i></u></font>

【讨论】：

这是完美的 :) 我现在使用 for 循环来遍历元素，并且可以使用 'element.select("font").first()' 'element.select("u")。 first()' 来查找该元素的格式信息。但是还有一个问题，是否有任何选择语句来检查/查找在开头包含
的元素，例如'
粗斜体'
是的，但我认为您需要在节点基础上处理 ，因为它不包装它的元素。也可以选择  并取其父元素。然而，这是一个新问题。