java学习脚印：xml中空白文本结点(whitespace TextNode)处理及验证方法

最新推荐文章于 2024-04-12 16:12:06 发布
最新推荐文章于 2024-04-12 16:12:06 发布
阅读量889 收藏
点赞数
分类专栏： JAVA 文章标签： java XML TextNode

java学习脚印：xml中空白文本结点(whitespace TextNode)处理及验证方法


1.空白结点在解析过程中引起的麻烦

  首先来看下一个非常简单的xml文件，如下：

清单1-1 books-no.xml

[html] view plain copy print ?
  1. <?xml version="1.0" encoding="UTF-8"?>   
  2.  <books>   
  3.    <book>   
  4.       <title>Harry Potter</title>   
  5.       <author>J K. Rowling</author>   
  6.    </book>   
  7.  </books>   

我们在1-1中看到的DOM树结点关系图如下图所示：


   由于xml规范允许空白字符的文本结点，因此实际上就会包含一些空白字符的文本结点(我们的本意也许并不想包含空白字符结点，但是在编辑时可能无意引入了空白字符)。

利用vim的搜索空白字符功能，我们看下图：



      其中黄色高亮显式的部分为空白字符，其中2-6行的空白字符生成了空白结点，这样实际的DOM树结点关系图如下：


     空白字符文本结点的出现，导致在没有使用验证方式时，遍历DOM树要做过多的结点类型检测，可以参看清单2-6 DOMParserDemo.java ,观察代码以加强理解。


2.提供验证，避免空白结点引起的麻烦


    如果使用了验证文件的话，则解析器会自动忽略空白结点，省去很多不必要的麻烦。

xml文件使用dtd或者xsd Schema模式来验证xml文件。


首先，我们来看配合dtd验证文件的xml。

清单 2-1 books.dtd

[html] view plain copy print ?
  1. <!ELEMENT books (book)*>  
  2. <!ELEMENT book (title,author)>  
  3. <!ELEMENT title (#PCDATA)>  
  4. <!ELEMENT author (#PCDATA)>  

清单2-2 books-dtd.xml

[html] view plain copy print ?
  1. <?xml version="1.0" encoding="UTF-8"?>   
  2. <!DOCTYPE books SYSTEM "books.dtd">  
  3.  <books>   
  4.    <book>   
  5.       <title>Harry Potter</title>   
  6.       <author>J K. Rowling</author>   
  7.    </book>   
  8.  </books>   


另一种方式是采用xsd文件验证。


清单2-3 books.xsd

[html] view plain copy print ?
  1. <?xml version="1.0" encoding="UTF-8"?>  
  2. <xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema">  
  3.  <xs:element name="books">  
  4.       <xs:complexType>  
  5.        <xs:sequence>  
  6.             <xs:element name="book" maxOccurs="unbounded">  
  7.               <xs:complexType>  
  8.                <xs:sequence>  
  9.                <xs:element name="title" type="xs:string"/>  
  10.                <xs:element name="author" type="xs:string"/>  
  11.                </xs:sequence>  
  12.               </xs:complexType>  
  13.             </xs:element>  
  14.        </xs:sequence>  
  15.       </xs:complexType>  
  16.  </xs:element>  
  17. </xs:schema>  


清单2-4 books-xsd.xml

[html] view plain copy print ?
  1. <?xml version="1.0" encoding="UTF-8"?>   
  2.  <books xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"  
  3.   xsi:noNamespaceSchemaLocation="books.xsd">   
  4.    <book>   
  5.       <title>Harry Potter</title>   
  6.       <author>J K. Rowling</author>   
  7.    </book>   
  8.  </books>   


    为了提高代码的重用性，我们可以根据验证文件类型，对解析器进行配置，可参考如下代码。

清单2-5 ParserUtil.java

[java] view plain copy print ?
  1. package com.learningjava;  
  2.   
  3. import java.io.File;  
  4. import java.io.IOException;  
  5.   
  6. import javax.xml.parsers.DocumentBuilder;  
  7. import javax.xml.parsers.DocumentBuilderFactory;  
  8. import javax.xml.parsers.ParserConfigurationException;  
  9.   
  10. import org.w3c.dom.Document;  
  11. import org.w3c.dom.Node;  
  12. import org.w3c.dom.NodeList;  
  13. import org.w3c.dom.Text;  
  14. import org.xml.sax.SAXException;  
  15. /** 
  16.  * This class is a util class to help parse xml file 
  17.  * @author wangdq 
  18.  * 2011-11-10 
  19.  */  
  20. public class  ParserUtil {  
  21.     /** 
  22.      * build and configure dom parser according to the filepath  
  23.      * we test the filepath,if contain 'dtd' or 'xsd' 
  24.      *  
  25.      * @param filePath the path of xml file 
  26.      * @return the DOM Document Obeject 
  27.      */  
  28.     public static Document getDocument(String filePath) {   
  29.         Document document = null;   
  30.         try {  
  31.             //step1: get DocumentBuilderFactory  
  32.             DocumentBuilderFactory dbFactory = DocumentBuilderFactory.newInstance();  
  33.                
  34.             //configure the factory to set validate mode  
  35.             boolean dtdValidate = false;  
  36.             boolean xsdValidate = false;  
  37.             if(filePath.contains("dtd")) {  
  38.                 dtdValidate = true;  
  39.             } else if(filePath.contains("xsd")) {  
  40.                 xsdValidate = true;  
  41.                 dbFactory.setNamespaceAware(true);  
  42.                 final String JAXP_SCHEMA_LANGUAGE =  
  43.                         "http://java.sun.com/xml/jaxp/properties/schemaLanguage";  
  44.                 final String W3C_XML_SCHEMA =  
  45.                         "http://www.w3.org/2001/XMLSchema";  
  46.                 dbFactory.setAttribute(JAXP_SCHEMA_LANGUAGE, W3C_XML_SCHEMA);  
  47.             }  
  48.             dbFactory.setValidating(dtdValidate || xsdValidate);  
  49.             dbFactory.setIgnoringElementContentWhitespace(dtdValidate || xsdValidate);  
  50.               
  51.             //parse an XML file into a DOM tree   
  52.             DocumentBuilder builder = dbFactory.newDocumentBuilder();  
  53.             document = builder.parse(new File(filePath));  
  54.         }catch (ParserConfigurationException | SAXException | IOException e) {  
  55.             // TODO Auto-generated catch block  
  56.             e.printStackTrace();  
  57.         }   
  58.         return document;  
  59.     }  
  60.     /** 
  61.      * print element and text node of the given node  
  62.      * @param level the dom tree level ,the root is at level 1 
  63.      * @param node  the node to print 
  64.      */  
  65.     public static void printElementAndTextNode(int level,Node node) {  
  66.         final int INDENT = 4;  
  67.         if(node.getNodeType() == Node.ELEMENT_NODE)   
  68.         {  
  69.             System.out.printf("%" + INDENT*level + "s+%d", " ",level);  
  70.             System.out.format(" ELEMENT: <%s> %n",node.getNodeName());  
  71.             int newLevel = level+1;  
  72.             NodeList childList = node.getChildNodes();  
  73.             for(int ix = 0;ix<childList.getLength();ix++) {  
  74.                 printElementAndTextNode(newLevel,childList.item(ix));  
  75.             }  
  76.         } else if(node.getNodeType() == Node.TEXT_NODE) {  
  77.             Text textNode = (Text)node;  
  78.             System.out.printf("%" + INDENT*level + "s+%d", " ",level);  
  79.             String data = textNode.getData().trim();  
  80.             System.out.format(" TEXT: \"%s\" %n",data);  
  81.         }  
  82.     }  
  83.     /** 
  84.      * remove whitespace textnode 
  85.      * note,here we only consider the  ELEMENT_NODE and TEXT_NODE 
  86.      * @param node the node needed to purify by removing whitespace textnode 
  87.      * @return the nums of whitespace textnode that had been removed 
  88.      */  
  89.     public static int removeWhiteSpaceTextElement(Node node) {  
  90.           
  91.         int count = 0;  
  92.         if(node == null)  
  93.             return 0;  
  94.         //System.out.println("visting :"+node.getNodeName());  
  95.         if(node.getNodeType() == Node.ELEMENT_NODE)   
  96.         {     
  97.             //iterate child node  
  98.             for(Node childNode = node.getFirstChild(); childNode!=null;){  
  99.                 Node nextChild = childNode.getNextSibling();  
  100.                 // Do something with childNode, including move or delete...  
  101.                 count += removeWhiteSpaceTextElement(childNode);  
  102.                 childNode = nextChild;  
  103.             }  
  104.         } else if(node.getNodeType() == Node.TEXT_NODE) {  
  105.             Text textNode = (Text)node;  
  106.             String data = textNode.getData().trim();  
  107.             if(data.isEmpty()) {  
  108.                 //remove whitespace textNode  
  109.                 //System.out.println("remove "+textNode.getNodeName());  
  110.                 textNode.getParentNode().removeChild(textNode);  
  111.                 count++;  
  112.             }  
  113.         }  
  114.         return count;  
  115.     }  
  116.       
  117. }  



   下面给出不使用验证方式，以及使用dtd和xsd文件对xml进行验证的三种方式解析books xml文件的代码，可通过对比增强理解。


清单2-6 DOMParserDemo.java

[java] view plain copy print ?
  1. package com.learningjava;  
  2.   
  3. import org.w3c.dom.Document;  
  4. import org.w3c.dom.Element;  
  5. import org.w3c.dom.Node;  
  6. import org.w3c.dom.NodeList;  
  7. import org.w3c.dom.Text;  
  8. /** 
  9.  * This program illustrate ways to validate xml  
  10.  * @author wangdq 
  11.  * 2013-11-10 
  12.  */  
  13. public class DOMParserDemo {  
  14.     public static void main(String[] args) {  
  15.           
  16.         //use dtd to validate books-dtd.xml  
  17.         TimeCounter.start();  
  18.         parseWithValidate("books-dtd.xml");  
  19.         System.out.format("dtd validate,consumed: %d ns%n%n",TimeCounter.end());  
  20.           
  21.         //use schema to validate books-xsd.xml  
  22.         TimeCounter.start();  
  23.         parseWithValidate("books-xsd.xml");  
  24.         System.out.format("xsd validate,consumed: %d ns%n%n",TimeCounter.end());  
  25.           
  26.         //not using validation   
  27.         TimeCounter.start();  
  28.         parseWithNoValidate("books-no.xml");  
  29.         System.out.format("not validate,consumed: %d ns%n%n",TimeCounter.end());  
  30.     }  
  31.     public static void parseWithValidate(String filepath) {  
  32.         Document doc = ParserUtil.getDocument(filepath);  
  33.           
  34.         //traverse nodelist  
  35.         // get root element (Level1)  
  36.         Element rootElement = doc.getDocumentElement();  
  37.         //get Level2 element  
  38.         Element book = (Element)rootElement.getFirstChild();  
  39.         //get Level3 element  
  40.         NodeList children = book.getChildNodes();  
  41.         for(int iy = 0;iy<children.getLength();iy++) {  
  42.             Node child = children.item(iy);  
  43.             //get Level4 element  
  44.             Text textNode = (Text)child.getFirstChild();  
  45.             System.out.format("%s%n",textNode.getData().trim());  
  46.         }  
  47.     }  
  48.     public static void parseWithNoValidate(String filepath) {  
  49.           
  50.         Document doc = ParserUtil.getDocument(filepath);  
  51.           
  52.         //traverse nodelist  
  53.         //get root element (Level1)  
  54.         Element rootElement = doc.getDocumentElement();  
  55.         //get Level2 element  
  56.         NodeList nodeList = rootElement.getChildNodes();  
  57.         for(int ix = 0;ix<nodeList.getLength();ix++) {  
  58.             Node node = nodeList.item(ix);  
  59.             if(node.getNodeType() == Node.ELEMENT_NODE) {  
  60.                 //get Level3 element  
  61.                 NodeList children = node.getChildNodes();  
  62.                 for(int iy = 0;iy<children.getLength();iy++) {  
  63.                     Node child = children.item(iy);  
  64.                     if(child.getNodeType() == Node.ELEMENT_NODE) {  
  65.                         //get Level4 element  
  66.                         Text textNode = (Text)child.getFirstChild();  
  67.                         System.out.format("%s%n",textNode.getData().trim());  
  68.                     }  
  69.                 }  
  70.             }  
  71.         }  
  72.     }  
  73. }  
  74. /** 
  75.  * calculate time consumed 
  76.  */  
  77. class TimeCounter {  
  78.     public static void start() {  
  79.         startTime = System.nanoTime();  
  80.     }  
  81.     public static long end() {  
  82.         return  System.nanoTime() - startTime;  
  83.     }  
  84.     private static long startTime;  
  85. }  



运行输出

Harry Potter
J K. Rowling
dtd validate,consumed: 98839944 ns

Harry Potter
J K. Rowling
xsd validate,consumed: 68073601 ns

Harry Potter
J K. Rowling
not validate,consumed: 4853899 ns


可见，虽然验证方式简化了代码，但是也增了处理的时间。


3.去除空白结点

    如果在处理xml文件之前就把空白字符结点去掉，那样也是提高解析速度的一种方法。

    上面的辅助类ParserUtil类中给出了打印树结点和删除空白字符结点的方法，下面的代码给出了空白结点删除前后，1-1 books-no.xml文件的结点结构。

清单 3-1 PrintNodeDemo.java

[java] view plain copy print ?
  1. package com.learningjava;  
  2.   
  3. import org.w3c.dom.Document;  
  4. import org.w3c.dom.Element;  
  5. /** 
  6.  * This program print simple DOM tree node 
  7.  * @author wangdq 
  8.  * 2011-11-10 
  9.  */  
  10. public class PrintNodeDemo {  
  11.     public static void main(String[] args) {  
  12.         Document doc = ParserUtil.getDocument("books-no.xml");  
  13.         Element rootElement = doc.getDocumentElement();  
  14.           
  15.         //before whitespace node removed  
  16.         System.out.format("Node Architecture of %s as follow:%n%n","books-no.xml");  
  17.         ParserUtil.printElementAndTextNode(1,rootElement);  
  18.           
  19.         //remove whitespace node  
  20.         System.out.format("%nremoved %d whitespace node.%n",  
  21.                 ParserUtil.removeWhiteSpaceTextElement(rootElement));  
  22.         System.out.format("after removed: %n%n");  
  23.         ParserUtil.printElementAndTextNode(1,rootElement);  
  24.     }  
  25. }  

运行输出

Node Architecture of books-no.xml as follow:

    +1 ELEMENT: <books>
        +2 TEXT: ""
        +2 ELEMENT: <book>
            +3 TEXT: ""
            +3 ELEMENT: <title>
                +4 TEXT: "Harry Potter"
            +3 TEXT: ""
            +3 ELEMENT: <author>
                +4 TEXT: "J K. Rowling"
            +3 TEXT: ""
        +2 TEXT: ""

removed 5 whitespace node.
after removed:

    +1 ELEMENT: <books>
        +2 ELEMENT: <book>
            +3 ELEMENT: <title>
                +4 TEXT: "Harry Potter"
            +3 ELEMENT: <author>
                +4 TEXT: "J K. Rowling"


   这里注意一点，就是删除空白字符结点的时候，避免使用这一版的代码：


[java] view plain copy print ?
  1. /** 
  2.   * This code will not work to remove whitespace text node 
  3.   */  
  4. public static int removeWhiteSpaceTextElement_failed(Node node) {  
  5.       
  6.     int count = 0;  
  7.     if(node == null)  
  8.         return 0;  
  9.     System.out.println("visting :"+node.getNodeName());  
  10.     if(node.getNodeType() == Node.ELEMENT_NODE)   
  11.     {     
  12.         NodeList childList = node.getChildNodes();   
  13.         //iterate childList  
  14.         //here we can not guarantee the node order after remove element  
  15.         //so this incur errors  
  16.         for(int ix = 0;ix<childList.getLength();ix++) {  
  17.             count += removeWhiteSpaceTextElement_failed(childList.item(ix));  
  18.         }  
  19.     } else if(node.getNodeType() == Node.TEXT_NODE) {  
  20.         Text textNode = (Text)node;  
  21.         String data = textNode.getData().trim();  
  22.         if(data.isEmpty()) {  
  23.             //remove whitespace textNode  
  24.             //System.out.println("remove "+textNode.getNodeName());  
  25.             textNode.getParentNode().removeChild(textNode);  
  26.             count++;  
  27.         }  
  28.     }  
  29.     return count;  
  30. }  

    

因为NodeList对象会动态更新，当删除了子节点之后，再按照原先的索引就得不到相应的子节点，因而引发了与迭代相关的错误，这一点值得引起注意。



     通过对比移除空白字符结点，前后的树形结构图，相信你对空白字符结点以及xml验证有了一个很好的理解。


林渣渣就是林菜逼
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
xml空格WhiteSpace处理
〓☆〓 清风徐来918 （QQ:89617663）
11-22 1957
XML 将以下四种字符归为空白字符 WhiteSpace ：回车符（\r 或 ch(13)）、换行符（\n 或 ch(10)）、制表符 (\t) 以及空格 (' ')。 在 XML 文档中，空白字符分为两类:有意义空白字符 是文档内容的一部分，应予以保留。无意义空白字符 在编辑 XML 文档时使用，以增加可读性。这些空白字符一般在文档交付时不予保留。 默认情况，WhiteSpace是 DO
XML学习笔记——空白处理
weixin_45359980的博客
07-15 2281
空白处理 在XML规范中，空白包括空格、制表符、空行。 空白在XML文档中，主要有两种作用。 第一种，为了使代码格式更加美观，进行的空白。对于代码本身的运行没有什么影响，仅仅是为了代码的美观和规范。——可以舍弃的空白 第二种，分隔作用，例如<!ELEMENT content (#PCDATA)>此种代码中用到的空白符为空格，主要就是为了分隔关键字ELEMENT、定义的元素content...
javascript中节点的最近的相关节点访问方法
12-11
在javascript中对文档中每个节点都有 parentNode——父节点 firstChild——第一个子节点 lastChild——最后一个子节点 previousSibling——紧挨着的前面的兄弟节点 nextSibling——紧挨着的后面的兄弟节点 五个相关的节点，这些节点可以不存在，为null。例如document就不包含父节点，文本节点（TextNode）就不包含子节点。 这样就可以作短途旅行，访问当前节点的某些相关节点。 另外还有childNode[](包含所有的子节点)和children[](仅包含类型为元素节点的子节点，不包含文本节点textNode)。
学习笔记：有关网络知识的笔记
02-23
学习笔记 Web知识说明 深入JavaScript 知识水平 了解概念 懂得使用 实例 输出总结 亲自实现 HTTP 缓存 https状态码200201创建的206、300304不是Mo，400、500 HTTPS 网络路径参考协议相对网址 HTML DOM操作 innerHtml，outerHtml，textContent，innerText，outerText，textNode.data 工程化 JS JS Regenerator运行时 同步 网络包 webpack打包形成的模块结果分析 样式加载器，css加载器，较少加载器，URL加载器 样式文件，图片文字文件处理 摇树 初步组件 代码分割 摇树 可分级显示 webpack使用tapable的定制流程webpack / compiler / compilation CI / CD 安全 XSS 中华医学会 X框架选项
xml中的元素(element)和节点(node)——C#
shengzhemi的专栏
01-11 2036
因为项目需要，要使用C#操作xml。今天稍微看了一下，记之。     xml文档的元素是由标记text所界定的。节点的概念就更加广一点，元素肯定是属于节点范畴的，但是，上述的text也是一个节点(文本节点)。在xml中，节点有元素节点、文本节点、属性节点、注释节点等。例如一个xml文档如下： apple big     上述的xml文档中，表示XML的声
libxml2的使用总结
Ronux的专栏
03-27 2875
libxml是一个实现了读，创建和操作xml数据等功能的c语言库，对于其具体的API，可参考官方文档，这里只介绍一些常用的用法。     libxml在操作xml数据时，定义了几种节点类型： Enum xmlElementType { XML_ELEMENT_NODE = 1 XML_ATTRIBUTE_NODE = 2 XML_TEXT_NODE = 3
XML中元素和节点的区别
zhaominyong的专栏
06-27 1101
网上有很多这方面的介绍，但都表达不清楚或不准确。通过汇总及测试，下面这篇是最明确且正确的。 2. 一个需要注意的地方就是，XML文档两个标签之间的空白也是这棵树的一个节点（Text节点）。 a有三个节点 Element root = doc.getDocumentElement();：root是什么？？？？ NodeList list = root.getChildNodes(); root 到底是节点还是元素？？？？？是节点也是元素 ...
关于libXml的读取
weixin_33951761的博客
03-06 114
图XML输出XML_TEXT_NODE图不输出XML_TEXT_NODE这样的一个xml,竟然会读到text这种节点，两种节点类型XML_TEXT_NODE和XML_ELEMENT_NODEXML_TEXT_NODE的名称读到默认就是text,XML_ELEMENT_NODE节点的名称是自己起好的名字，感觉和之前使用过的tinyXml不太一样，tinyXml每次都到的都是XML_ELEM...
【Java】解析XML配置文件总结——DOM解析XML（二）
菜鸟sdut的博客
04-16 789
什么是DOM解析 dom解析是以层次结构组织的节点或信息片段的集合 https://www.cnblogs.com/xtdxs/p/6628851.html
XML文档中的空白字符解决办法（DOM解析）
m0_64416846的博客
11-26 1043
1,xml文档中的空白字符也会被作为对象映射在DOM中，因而，直接调用Node对象的getChildNodes方法有时候会有些问题，有时不能够反射所期望的NodeList元素对象列表 解决办法： （1）使用Element的getElementByTagName(String name)返回的NodeList就是所期待的对象。然后用item（）方法提取想要的元素 （2）调用Node的getChildNodes()方法得到Node List对象，每次通过item（）方法提取Node对象后判断node.ge
FireFox中textNode分片的问题
10-30
FireFox中textNode分片的问题
json_encoder:用属性和 textNode 修复以及更紧凑的 JSON 格式替换 PHP json_encode()
07-04
json_encoder 用属性和 textNode 修复以及更紧凑的 JSON 格式替换 PHP json_encode()
Unity 加载读取XML文件时出现XmlException: Text node cannot appear in this state的解决方案
爱尚游Bin的博客
01-10 1096
在加载路径正确的情况下，出现无法读取XML文件时，一般由两种原因导致的。 原因： 1、xml文件的编码格式不是UTF-8 2、xml文件没有去掉文件中开头的两个字节（BOM）标识 解决方案： 使用UltraEdit软件，打开你的xml文件，在另存为窗口中的格式选项中选择：UTF-8-无Bom，点击保存替换之前的xml文件即可。如下图 这是解决方案之一，还有其他解决方案。基本就是将文件的编码格式设...
XML文件、XML解析
weixin_45799228的博客
12-08 218
version:版本号 encoding：编码字符集 XML的标签可以自己定义，对大小写敏感，主要用于数据的存储。 <?xml version="1.0" encoding="UTF-8" ?> <department> <student id="110"> <name>张三疯</name> <age>100</age> </student> &l
XML对代码中的空白处理
hdxx2022的博客
12-04 889
这篇文章主要介绍了XML对代码中的空白处理,文中介绍到了XML书写中的有效空白与无效空白的区分,需要的朋友可以参考下1、在XML规范中，空白包括空格，制表符和空行。在编辑XML文档时，我们常常使用空白来分隔标记，以获得较好的可读性，然而在交互的空白文档中，这些空白就不需要了，但有时候又需要保留这些空白。例如，诗歌和程序代码中的空白， 2、XML处理器总是将文档中不是标记的所有字符都传递给应用程序，一个进行有效性验证的XML处理器会通知应用程序这些字符中的哪一些组成了出现在元素内容中的空白。 3、在XML文档
ＸＭＬ空白文本结点
limi0066的专栏
06-06 1038
 看来你还没有理解DOM的层次模型 看下面的文档：                  12341       pending                 Silver Show Saddle, 16 inch          825.00          1                        Prem
xml请求验证php,第二十四回、PHP基础教程，载入与验证XML
weixin_42323034的博客
04-01 152
在PHP程序载入XML文件是使用DOMDocument对象的方法。首先建立DOMDocument对象，如下所示：$dom = new DOMDocument();//下文出现的$dom都表示一个DOMDcument树状结构对象。在设定剖析器的相关参数后，就可以载入XML文件，如下所示：$dom->preserveWhiteSpace = false;if ( $dom->load("b...
关于Ribbon在SpringCloudAlibaba2021.1版本中，找不到服务实例
最新发布
aoxiaojun的博客
04-12 463
关于Ribbon在SpringCloudAlibaba2021.1版本中，找不到服务实例
Java获取html里面纯文本内容：不包括表格内容
06-06
可以使用Jsoup库来获取html中的纯文本内容。以下是一个获取html中纯文本内容且不包括表格内容的Java代码示例： ```java import org.jsoup.Jsoup; import org.jsoup.nodes.Document; import org.jsoup.nodes.Element; import org.jsoup.select.Elements; public class HtmlParser { public static void main(String[] args) { String html = "<html><body><p>This is a paragraph</p><table><tr><td>Table cell</td></tr></table></body></html>"; Document doc = Jsoup.parse(html); Element body = doc.body(); // 获取所有文本节点 Elements textNodes = body.select(":not(table) > *").not("table *").not("table"); for (Element textNode : textNodes) { System.out.println(textNode.text()); } } } ``` 上述代码中，我们首先使用Jsoup.parse()方法将html字符串解析为Document对象，然后通过doc.body()方法获取body元素。接着，我们使用选择器":not(table) > *"来选择body元素下所有不是table元素的子元素，再通过not("table *")和not("table")方法进一步过滤掉包含在表格中的元素和表格元素本身。最后，我们使用text()方法来获取文本内容。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值