如何从任意HTML页面里提取正文_随笔

<!DOCTYPE HTML>

<html>

<head>

</head>

</style>

<body>

<label class="goal">label的text默认内容</label>

<button id="confirm">点击赋值以及获取</button>

</body>

$(function() {

$('#confirm').click(function() {

var newstr = $('#mytext').val()

$('.goal').text(newstr)

alert('你获取了label的text：' + $('.goal').text())

})

</script>

</html>

Jsoup从Html文件中提取正文内容

示例代码：

File input = new File("/tmp/input.html")

Document doc = Jsoup.parse(input, "UTF-8", "/example.com/")

Element content = doc.getElementById("content")

Elements links = content.getElementsByTag("a")

for (Element link : links) {

String linkHref = link.attr("href")

String linkText = link.text()

}

jsoup是一款Java的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于JQuery的 *** 作方法来取出和 *** 作数据。

jsoup的主要功能如下：

1. 从一个URL，文件或字符串中解析HTML；

2.使用DOM或CSS选择器来查找、取出数据；

3. 可 *** 作HTML元素、属性、文本；

欢迎分享，转载请注明来源：内存溢出

如何从任意HTML页面里提取正文