Python中文网

一个关于 编程问题的解答网站.

有 Java 编程相关的问题?

你可以在下面搜索框中键入要查询的问题!

java在使用jsoup解析时摆脱html属性及其值

1 周，5 日 Questions & Answers

我试图以这样一种方式解析多个html文档，只得到丢弃其所有属性和值的标记。谁能帮帮我吗

例如：<img src="pic_trulli.jpg" alt="Italian Trulli">

更改为

<img>

类似地，我希望它适用于HTML文档中的所有标记


共 (3) 个答案

  1. # 1 楼答案

    如果您的目标是接收清晰的文档结构，那么还需要删除文本和数据节点。考虑下面的片段。

    Document document = Jsoup.connect("http://example.com").get();
document.getAllElements().forEach(element -> {
      element.attributes().asList().forEach(attr -> element.removeAttr(attr.getKey()));
      element.textNodes().forEach(Node::remove);
      element.dataNodes().forEach(Node::remove);
    });
System.out.println(document);

    输出：

    <!doctype html>
<html>
 <head>
  <title></title>
  <meta>
  <meta>
  <meta>
  <style></style>
 </head>
 <body>
  <div>
   <h1></h1>
   <p></p>
   <p><a></a></p>
  </div>
 </body>
</html>
  2. # 2 楼答案

    您可以遍历文档中的所有元素，然后遍历每个元素的属性，这应该允许您删除它们

    演示：

    String html = "<img src=\"pic_trulli.jpg\" alt=\"Italian Trulli\">" +
        "<div class=\"foo\"><a href=\"pic_trulli.jpg\" alt=\"Italian Trulli\" non-standard></div>";
Document doc = Jsoup.parse(html);

System.out.println(doc);
for (Element el : doc.getAllElements()){
    for (Attribute atr : el.attributes().asList()){
        el.removeAttr(atr.getKey());
    }
}
System.out.println("  -");
System.out.println(doc);

    输出：

    <html>
 <head></head>
 <body>
  <img src="pic_trulli.jpg" alt="Italian Trulli">
  <div class="foo">
   <a href="pic_trulli.jpg" alt="Italian Trulli" non-standard></a>
  </div>
 </body>
</html>
  -
<html>
 <head></head>
 <body>
  <img>
  <div>
   <a></a>
  </div>
 </body>
</html>
  3. # 3 楼答案

    要删除单个元素的属性，可以使用以下方法：

    element.attributes().asList()
        .stream().map(Attribute::getKey)
        .forEach(element::removeAttr);

    要删除所有元素的属性，可以将其与document.getAllElements()结合使用：

    Document document = Jsoup.parse("<img src=\"pic_trulli.jpg\" alt=\"Italian Trulli\">");
document.getAllElements()
        .forEach(e -> e.attributes().asList()
                .stream().map(Attribute::getKey)
                .forEach(e::removeAttr));

    结果将是：

    <html>
 <head></head>
 <body>
  <img>
 </body>
</html>