是否可以删除不需要标签的文本节点

Question

我测试了 Jsoup，我无法删除不需要的标签的文本节点。 如果我错误的方法，Idk。 方法是：

String pretty = Jsoup.clean("<img src=\"marco\">Capretta</img><i>Sono misterioso</i><p color=\"white\"><font size=\"5\">Ciao</p><p>some text</p><br/> <p>another text</p></font>" , "", Whitelist.basic().addTags("br", "p","i"), new Document.OutputSettings().prettyPrint(true));
System.out.println(pretty);

结果是：

Capretta
<i>Sono misterioso</i>
<p>Ciao</p>
<p>some text</p>
<br> 
<p>another text</p>

但我不想要<img> 的文本节点（对其他不需要的标签也有效）...

所以结果更好所以：

<i>Sono misterioso</i>
<p>Ciao</p>
<p>some text</p>
<br> 
<p>another text</p>

我也可以有不同的html...

附：问题是针对 Java 而不是 Javascript ！！！

Answer 1

假设您的 HTML 足够简单。

您可以先通过parsing HTML 然后检索children of body tag 来实现此目的

String pretty = Jsoup.clean("<img src=\"marco\">Capretta</img><i>Sono misterioso</i><p color=\"white\"><font size=\"5\">Ciao</p><p>some text</p><br/> <p>another text</p></font>" , "", Whitelist.basic().addTags("br", "p","i"), new Document.OutputSettings().prettyPrint(true));
pretty= Jsoup.parse(pretty).getElementsByTag("body").get(0).children().toString();
System.out.println(pretty);

输出：

<i>Sono misterioso</i>
<p>Ciao</p>
<p>some text</p>
<br />
<p>another text</p>

Answer 2

您面临的问题是：<img> html 标签不允许包含任何文本节点，即它没有结束标签。您在示例中使用的 </img> 不是有效的 html。图像不能像这样跨越内部文本。见here for reference

所以 JSoup 忽略了结束的 </img>，因为它无效。

一个出路是使用Jsoup的XML解析器：

String html = "<img src=\"marco\">Capretta</img><i>Sono misterioso</i>"
            + "<p color=\"white\"><font size=\"5\">Ciao</p>"
            + "<p>some text</p><br/> <p>another text</p></font>";
Document xmldoc = Jsoup.parse(html, "",Parser.xmlParser());
Elements imgs = xmldoc.select("img");
imgs.remove();

System.out.println(xmldoc);