从文档文档中删除 <textarea> 标记

Question

我即将解析这个网址：http://online.wsj.com/public/page/news-wall-street-heard.html?dsk=y

Document jDoc = Jsoup.connect(url1).get();
System.out.println(jDoc1.text());

但第二行（上图）的输出是 textarea 内的所有 TAGS + 其他标签的文本。输出如下：

..
..
<ul class="">
<li><a data-time="1dy" data-frequency="1mi" class="mdm_time">1 Day</a></li>
<li><a data-time="5dy" data-frequency="15mi" class="mdm_time">5 Days</a></li>
..
..

所有的 html 都被打印出来（里面的内容）和其他标签的文本。我要么想从 Doc 中删除此标签，要么想将其作为元素获取，以便我可以手动将其删除。

希望，我能够清楚地解释一切。请帮我解决这个问题。

编辑：

根据建议，我这样做了：

System.out.println(jDoc1.select("textarea"));

输出是：

    textarea id="wsj_autocomplete_template" style="display:none">   

    <div>
            <div class="acHeadline hidden"  >
            </div>
            <div class="dropdownContainerClass">
                <div class="suggestionblock hidden" templateType="C1">    

....
...
..

当然它正在选择文本区域，但无法解析内部元素。可能是由于 &lt 而不是

Answer 1

如果您想删除整个文本区域标签，请使用doc.select("textarea").remove();。或者，如果您想获取 textarea 的内容，请使用 doc.select("textarea").text()。注意这里我使用text() 方法而不是toString() 或html() 方法。这给出了确切的文本而不是 html 转义码。

如果你想再次操作这个 html，你可以像 Document textareaDoc = Jsoup.parseBodyFragment(doc.select("textarea").text()); 一样再次解析它

例子

import java.io.IOException;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;


public class WSJParser {

    public static void main(String[] args) {
        String url = "http://online.wsj.com/public/page/news-wall-street-heard.html?dsk=y";
        try {
            Document doc = Jsoup.connect(url).get();
            //doc.select("textarea").remove(); // Removes the entire text area tag
            Document textareaDoc = Jsoup.parseBodyFragment(doc.select("textarea").text());
            System.out.println(textareaDoc);
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

}

Answer 2

如果我理解正确，你想要的是这个

Elements textareas = Jsoup.connect(url1).get().select("textarea");

for (Element textarea : textareas) {
    Elements elements = textarea.select("*"); 
    for (Element element : elements) {
        System.out.println(element.ownText());
    }
}