Groovy XmlSlurper 从 NodeChildren 获取价值

Question

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]

然而，它 returns 仅在第一个节点的情况下显示文本，而我在第二个节点上得到空字符串。问题：如何检索第一个节点的值，以便得到：

Hello <br> World <br> !

Answer 1

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）。

Groovy

@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()

给予

<div>Hello <br clear='none'></br> World <br clear='none'></br> !</div>

N.B. 除非我记错了，Tagsoup is adding the closing tags。如果你真的想要 Hello <br> World <br> !，你可能必须使用不同的库（也许是正则表达式？）。

我知道它在输出中包含 div 元素...这是个问题吗？

Groovy XmlSlurper 从 NodeChildren 获取价值

Groovy XmlSlurper get value out of NodeChildren

groovy

xmlslurper

html-parsing

nodechildren

Groovy

给予