MeI*_*eIr 2 groovy xmlslurper html-parsing nodechildren
我正在解析 HTML 并尝试从一个特定节点中获取完整/未解析的值。
HTML 示例：
<html>
<body>
<div>Hello <br> World <br> !</div>
<div><object width="420" height="315"></object></div>
</body>
</html>
代码：
def tagsoupParser = new org.ccil.cowan.tagsoup.Parser()
def slurper = new XmlSlurper(tagsoupParser)
def htmlParsed = slurper.parseText(stringToParse)
println htmlParsed.body.div[0]
但是，它仅在第一个节点的情况下返回文本，而第二个节点则为空字符串。问题：如何检索第一个节点的值，以便获得：
Hello <br> World <br> !
这是我用来从第一个div标签中获取内容的方法（省略 xml 声明和命名空间）。
@Grab('org.ccil.cowan.tagsoup:tagsoup:1.2.1')
import org.ccil.cowan.tagsoup.Parser
import groovy.xml.*
def html = """<html>
<body>
<div>Hello <br> World <br> !</div>
<div><object width="420" height="315"></object></div>
</body>
</html>"""
def parser = new Parser()
parser.setFeature('http://xml.org/sax/features/namespaces',false)
def root = new XmlSlurper(parser).parseText(html)
println new StreamingMarkupBuilder().bindNode(root.body.div[0]).toString()
<div>Hello <br clear='none'></br> World <br clear='none'></br> !</div>
注意除非我弄错了，Tagsoup正在添加结束标签。如果你真的想要Hello <br> World <br> !，你可能不得不使用不同的库（也许是正则表达式？）。
我知道它div在输出中包含元素......这是一个问题吗？