Jsoup 获取段落和子标签中的文本

Question

我有一个 HTML 页面，我希望在该页面上运行“专门的”TTS：

例如：

<h3>Title <u>Page<u> by Ada Lovelace</h3>

我想以不同的方式阅读标题和页面：

当我使用时：

    Element body=doc.body();
    Elements elements= body.select("*");
    for(Element element:elements){
        if(!element.ownText().equals("") && element.hasText()){
            Log.d("Epub",element.tagName()+" "+element.ownText());

        }
    }

我得到的日志输出为：

h3 Title by Ada Lovelace

u Page

我想获取数据为：

h3 Title

u Page

h3 by Ada Lovelace 

我无权访问他的 HTML 文件

提前感谢任何帮助！

[编辑]

嘿，所以我想了一个办法，但我没有使用 Jsoup，而是使用了 XML 拉解析器

private ArrayList<String> stackOfTags=new ArrayList<String>();
private int indexOfTags=-1;

private void prepareTextToSpeech__onHold() {
    String opening_tag="";
    try{
        XmlPullParser parser=prepareText__onHold();
        int eventType=parser.getEventType();
        while (eventType!=XmlPullParser.END_DOCUMENT){
            switch (eventType){
                case XmlPullParser.START_TAG:
                    opening_tag=parser.getName();
                    stackOfTags.add(parser.getName());
                    indexOfTags++;
                    break;
                case XmlPullParser.TEXT:
                    String temp=parser.getText();
                    if(temp.matches(".*[a-zA-Z]+.*") && !opening_tag.equals("script")){
                        contentMap.addItemInMap(opening_tag,parser.getText());
                        Log.d("Epub",stackOfTags.get(indexOfTags)+" "+parser.getText());
                    }
                    break;
                case XmlPullParser.END_TAG:
                    stackOfTags.remove(indexOfTags);
                    indexOfTags--;
                    break;
            }
            eventType=parser.next();
        }
    }catch (Exception e){
        Log.d("Epub",e.getMessage());
    }

}

但这仅适用于格式良好的 HTML。如果不是这种情况，有人可以提供帮助

Answer 1

我认为原来的 HTML 是<h3>Title <u>Page</u> by Ada Lovelace</h3>

如果是这种情况，您的 HTML 似乎格式正确。 Jsoup 允许读取每个 TextNode 的内容，因此您可以很好地将“Title”、“Page”和“by Ada Lovlace”读取为不同的字符串。

我现在没有正在运行的 Java 环境，所以我无法提供工作代码，但这里有一个指向源代码的指针，告诉你它是如何完成的：

How to extract separate text nodes with Jsoup?

Jsoup - extracting text