Jsoup 仅删除 html 个标签

Question

使用 JSOUP（不是正则表达式）仅删除 html 标签（保留所有 custom/unknown 标签）的正确方法是什么？

预期输入：

<html>
  <customTag>
    <div> dsgfdgdgf </div>
  </customTag>
  <123456789/>
  <123>
  <html123/>
</html>

预期输出：

  <customTag>
     dsgfdgdgf
  </customTag>
  <123456789/>
  <123>
  <html123/>

我尝试将 Cleaner 与 WhiteList.none() 一起使用，但它也删除了自定义标签。

我也试过：

String str = Jsoup.parse(html).text()

但它也会删除自定义标签。

这个answer不适合我，因为自定义标签的数量是无限的。

Answer 1

你可能想尝试这样的事情：

String[] tags = new String[]{"html", "div"};
Document thing = Jsoup.parse("<html><customTag><div>dsgfdgdgf</div></customTag><123456789/><123><html123/></html>");
for (String tag : tags) {
    for (Element elem : thing.getElementsByTag(tag)) {
        elem.parent().insertChildren(elem.siblingIndex(),elem.childNodes());
        elem.remove();
    }
}
System.out.println(thing.getElementsByTag("body").html());

请注意，<123456789/> 和 <123> 不符合 xml 标准，因此会被转义。另一个缺点可能是您必须明确写下所有您不喜欢的标签（也就是所有 html 标签）并且它可能很慢。还没看这要多快运行。

制造厂迷雾

Jsoup 仅删除 html 个标签

Jsoup remove ONLY html tags

java

html

tags

jsoup

strip