Java 需要从XML文件中提取纯HTML数据

问题是，只要我们有html标记，如下面的contentData标记示例中所述，它具有许多级别的html元素，而预期的输出是 Example XML:

<textContent>
    <contentData>
        <p><b><i><u>SubStructureElement_RTE_</u></i></b></p>
    </contentData>
</textContent>

NodeList textContentBodyList=textContent.getElementsByTagName(BODY_NODE);
Element textContentBody = (Element) textContentBodyList.item(0);
NodeList contentDataList = textContentBody.getElementsByTagName(CONTENT_DATA_NODE);
if(contentDataList!=null && contentDataList.getLength()>0) {    
     textContentBody= (Element) contentDataList.item(0);
}

contentDataList = textContentBody.getElementsByTagName(P_NODE);
if(contentDataList!=null && contentDataList.getLength()>0){
    textContentBody= (Element) contentDataList.item(0);
}
eachNewElement.setArtworkContent(textContentBody.getTextContent().trim());

问题：需要按原样获取完整的html。如上所述，我已经试过了

后来我找到了同样的解决方案，答案是这样的

DOMImplementation impl =
    textContentBody.getOwnerDocument().getImplementation();
DOMImplementationLS ls =
    (DOMImplementationLS) impl.getFeature("+LS", "3.0");
LSSerializer serializer = ls.createLSSerializer();
serializer.getDomConfig().setParameter("xml-declaration", false);
String contentData = serializer.writeToString(textContentBody);

公共字符串GetCompleteTeCopyText（NodeList NodeList、StringBuilder completeText）
{
if（nodeList！=null&&nodeList.getLength（）>0）
{
for（int i=0；i

谢谢你的发帖
stack overflow中的一些位和片段，我从stack overflow中获得了一些帮助，我按照要求编写了代码，它可以正常工作，
getTextContent（）返回每个元素中的内容，不带元素标记

要将XML作为元素写出，可以使用DOM序列化程序：

StringWriter contentDataWriter = new StringWriter();
Transformer xformer = TransformerFactory.newInstance().newTransformer();
xformer.setOutputProperty(OutputKeys.OMIT_XML_DECLARATION, "yes");
xformer.transform(new DOMSource(textContentBody),
                  new StreamResult(contentDataWriter));
String contentData = contentDataWriter.toString();

或者，您可以使用标识转换：

contentData = contentData.replaceAll("\\s+", " ");

如果要删除额外的空白，如示例中所示，可以执行以下操作：

问题是什么？“问题：在这一行中，我试图提取html内容”这不是问题。您是否尝试使用cloneNode（true）而不是getTextContent（）？太好了-那么，什么阻止了您？我需要从XML中提取html内容作为原始文本。然而，textContentBody.getTextContent（）将只提供文本内容，而不是整个html数据。这将提供带有Contenda标记的数据，我还想从该标记中提取。例如：：
Raghav
，我需要输出为
Raghav
对于我自己提出的问题，我有一个解决方案。
DOMImplementation impl =
    textContentBody.getOwnerDocument().getImplementation();
DOMImplementationLS ls =
    (DOMImplementationLS) impl.getFeature("+LS", "3.0");
LSSerializer serializer = ls.createLSSerializer();
serializer.getDomConfig().setParameter("xml-declaration", false);
String contentData = serializer.writeToString(textContentBody);

StringWriter contentDataWriter = new StringWriter();
Transformer xformer = TransformerFactory.newInstance().newTransformer();
xformer.setOutputProperty(OutputKeys.OMIT_XML_DECLARATION, "yes");
xformer.transform(new DOMSource(textContentBody),
                  new StreamResult(contentDataWriter));
String contentData = contentDataWriter.toString();

contentData = contentData.replaceAll("\\s+", " ");