如何使用 Jsoup 从 html 正文文本中排除任何锚元素

Question

Document doc=Jsoup.connect(url).userAgent("Mozilla/5.0 +http://www.google.com/bot.html)").timeout(100000).get();
data.add(doc.body().text());

这给了我文本，包括超链接文本或链接文本，但我不需要它。我只想要纯文本，例如用<p>、<b>等标签编写的文本或没有任何标签。

Answer 1

如果您只想删除所有a标签，您只需select并remove它们：

doc.select("a").remove();

您可以通过将更多元素添加到select来附加更多要删除的元素

doc.select("a, div, script").remove();

Answer 2

试试这个：

for(Element e : doc.body().select("*:not(a)")) {
    data.add(e.ownText());
}

您可以使用 CSS 查询排除其他元素，如下所示：

*:not(a, p, div)