如何使用jsoup阅读未链接的网页文本?

Question

我知道，如果我想打印带有 Jsoup 的链接和链接文本，我必须使用以下代码：

Document doc = Jsoup.connect("https://en.wikipedia.org/wiki/Jsoup").get();
Elements links = doc.select("a[href]");
for (Element link : links) {
System.out.println(link.attr("abs:href") + " - " + link.text());
}

输出：(不完整)

https://en.wikipedia.org/wiki/Jsoup#mw-head - Jump to navigation
https://en.wikipedia.org/wiki/Jsoup#p-search - Jump to search
https://en.wikipedia.org/wiki/Software_developer - Developer(s)
https://en.wikipedia.org/wiki/Software_release_life_cycle - Stable release 
https://en.wikipedia.org/wiki/Jsoup#cite_note-1 - [1]
https://en.wikipedia.org/wiki/Jsoup#cite_note-2 - [2]
https://en.wikipedia.org/wiki/Repository_(version_control) - Repository 
https://github.com/jhy/jsoup - github.com/jhy/jsoup
...

如果我想打印整个网页的文本，我必须使用以下代码：

System.out.println(doc.body().text());

输出：(不完整)

jsoup 来自维基百科，免费的百科全书 跳转到导航 跳转到 search jsoup Java HTML Parser Developer(s) Jonathan Hedley Stable 版本 1.11.3 [1]/2018-04-15 [2] 存储库 github.com/jhy/jsoup...

如何在没有链接文本的情况下打印文档的所有文本？

输出我想要的：

jsoup

来自维基百科，自由的百科全书 jsoup Java HTML 解析器 Jonathan Hedley 1.11.3/2018-04-15 ...

Answer 1

Jsoup的Elements有一个remove()的方法。这应该会从您的文档中删除链接。

Document doc = Jsoup.connect("https://en.wikipedia.org/wiki/Jsoup").get();
doc.select("a[href]").remove();
System.out.println(doc.body().text());