使用Jsoup解析XML

Question

我得到以下代表新闻文章的XML:

<content>
   Some text blalalala
   <h2>Small subtitle</h2>
   Some more text blbla
   <ul class="list">
      <li>List item 1</li>
      <li>List item 2</li>
   </ul>
   <br />
   Even more freakin text
</content>

我知道格式不理想,但现在我必须接受它.

该条应如下:

• 一些文字blalalala
• 小副标题
• 列出项目
• 更奇怪的文字

我用Jsoup解析这个XML.我可以在<content>标签中获取文本,doc.ownText()但后来我不知道其他东西(副标题)放在哪里,我只有一个大String.

为此使用基于事件的解析器会更好(我讨厌它们:()还是有可能做类似的事情doc.getTextUntilTagAppears("tagName")？

编辑:为了澄清,我知道热门得到元素<content>,我的问题是获取文本<content>,每次被元素打断时分解.

我了解到我可以获取内容中的所有文本.textNodes(),效果很好,但是我再次知道文章节点在我的文章中的位置(一个位于h2之前的顶部,另一个位于底部).

Answer 1

Jsoup有一个出色的基于选择器的语法.看这里

如果你想要副标题

Document doc = Jsoup.parse("path-to-your-xml"); // get the document node

你知道副标题在h2元素中

Element subtitle = doc.select("h2").first();  // first h2 element that appears

如果您想要列表:

Elements listItems = doc.select("ul.list > li");
for(Element item: listItems)
    System.out.println(item.text());  // print list's items one after another