我发现了几个有类似问题和有价值答案的主题,但我仍然在努力解决这个问题:
我想用Jsoup解析一些html,所以我可以替换,例如,
"changeme"
同
<changed>changeme</changed>
,但只有当它出现在html的文本部分时,否则,如果它是标记的一部分.所以,从这个html开始:
<body>
<p><a href="http://changeme.html">test changeme app</a></p>
</BODY>
</HTML>
我想谈谈这个:
<body>
<p><a href="http://changeme.html">test <changed>changeme</changed> app</a></p>
</BODY>
</HTML>
我尝试了几种方法,这一方法让我更接近预期的结果:
Document doc = null;
try {
doc = Jsoup.parse(new File("tmp1450348256397.txt"), "UTF-8");
} catch (Exception ex) {
}
Elements els = doc.body().getAllElements();
for (Element e : els) {
if (e.text().contains("changeme")) {
e.html(e.html().replaceAll("changeme","<changed>changeme</changed>"));
}
}
html = doc.toString();
System.out.println(html);
但是通过这种方法,我发现了两个问题:
<body>
<p><a href="http://<changed>changeme</changed> .html">test
<changed>
changeme
</changed>
app</a></p>
</BODY>
</HTML>
在我引入的新元素之前和之后插入换行符.这不是一个真正的问题,因为如果我使用#change#来进行替换并且在doc.toString()之后我将它们删除它们,我将它们再次替换为所需的值(使用<>).
真正的问题:href中的URL已被修改,我不希望它发生.
想法？谢谢.
这是我的解决方案：
String html=""
+"<p><a href=\"http://changeme.html\">"
+ "test changeme "
+ "<div class=\"changeme\">"
+ "inner text changeme"
+ "</div>"
+ " app</a>"
+"</p>";
Document doc = Jsoup.parse(html);
Elements els = doc.body().getAllElements();
for (Element e : els) {
List<TextNode> tnList = e.textNodes();
for (TextNode tn : tnList){
String orig = tn.text();
tn.text(orig.replaceAll("changeme","<changed>changeme</changed>"));
}
}
html = doc.toString();
System.out.println(html);
TextNode 始终是叶节点，即它们不包含更多 HTML 元素。在原来的方法中，您将元素的 HTML 替换为带有替换changme字符串的新 HTML。您仅检查 Changeme 是否属于 TextNodes 内容的一部分，但替换该元素的 HTML 字符串中的每个匹配项，包括 TextNodes 之外的所有匹配项。
我的解决方案基本上和你的一样，但我使用 JSoup 方法textNodes()。这样我就不需要打字了。
PS 当然，我的解决方案和你的解决方案 最终都会包含<changed>changeme</changed>而不是。<changed>changeme</changed>这可能是也可能不是您想要的。如果您不希望这样，那么您的结果将不再是有效的 HTML，因为changed没有有效的 HTML 标记。在这种情况下，Jsoup 不会帮助你。但是，您当然可以在结果字符串中<changed>changeme</changed>再次替换 - 在 JSoup 之外。
我认为你的问题是你要替换元素 html 而不仅仅是它的文本，更改：
e.html(e.html().replaceAll("changeme","<changed>changeme</changed>"));
到
e.text(e.text().replaceAll("changeme","<changed>changeme</changed>"));
换行问题可能可以通过doc.outputSettings().prettyPrint(false);在做之前做来解决html = doc.toString();
| 归档时间： |
|
| 查看次数： |
3484 次 |
| 最近记录： |