Java 如何使用Jericho HTML解析器迭代纯文本段

对于Jericho元素，我试图找出如何在所有子节点上循环，无论是元素还是纯文本

现在有了Element.getNodeIterator（），但它引用元素中的所有子体，而不仅仅是第一个子体

我需要元素的等效项。getChildSegments（）。有什么想法吗

---

谢谢

所有纯文本段不在任何子元素中，对吗

public static Iterator<Segment> directPlainTextChildren(Element elem) {
    final Iterator<Segment> it = elem.getContent().getNodeIterator();
    final List<Segment> results = new LinkedList<Segment>();
    final List<Element> children = elem.getChildElements();
    while (it.hasNext()) {
        Segment cur = it.next();
        if (!(cur instanceof Tag) && !(cur instanceof CharacterReference)) {
            for (Element child : children)
                if (child.contains(cur)) continue;
            results.add(cur);
        }
    }
    return results.iterator();
}

公共静态迭代器directPlainTextChildren（元素elem）{
最终迭代器it=elem.getContent（）.getNodeIterator（）；
最终列表结果=新建LinkedList（）；
最终列表子元素=elem.getChildElements（）；
while（it.hasNext（））{
段cur=it.next（）；
if（！（cur instanceof Tag）和&！（cur instanceof CharacterReference））{
for（元素子元素：子元素）
if（child.contains（cur））继续；
结果：添加（cur）；
}
}
返回结果。迭代器（）；
}

一个元素应该有几个直接子元素，而element:：contains（Segment）方法只是一个简单的边界检查，因此性能应该足够

编辑： 如果您想添加迭代所有直接子段的功能，它将如下所示：

public static Iterator<Segment> getChildSegments(Element elem) {
    final Iterator<Segment> it = elem.getContent().getNodeIterator();
    final List<Segment> results = new LinkedList<Segment>();
    final List<Element> children = elem.getChildElements();
    while (it.hasNext()) {
        Segment cur = it.next();
        if (cur instanceof CharacterReference)
            results.add(cur);
        else if (cur instanceof Tag) {
            if (cur instanceof StartTag)
                results.add(((StartTag)cur).getElement());
        }
        else {
            for (Element child : children)
                if (child.contains(cur)) continue;
            results.add(cur);
        }
    }
    return results.iterator();
}

公共静态迭代器getChildSegments（元素elem）{
最终迭代器it=elem.getContent（）.getNodeIterator（）；
最终列表结果=新建LinkedList（）；
最终列表子元素=elem.getChildElements（）；
while（it.hasNext（））{
段cur=it.next（）；
if（字符引用的当前实例）
结果：添加（cur）；
else if（cur instanceof标签）{
if（当前StartTag实例）
添加（（（StartTag）cur.getElement（））；
}
否则{
for（元素子元素：子元素）
if（child.contains（cur））继续；
结果：添加（cur）；
}
}
返回结果。迭代器（）；
}

使用上文Gunslinger47中的方法，以下返回元素元素元素的立即（第一个后代）子段：

public static List<Segment> getChildSegments(Element elem) {

    final Iterator<Segment> it = elem.getContent().getNodeIterator();
    final List<Segment> results = new LinkedList<Segment>();
    final List<Element> children = elem.getChildElements();

    while (it.hasNext()) {
        Segment cur = it.next();
        if (!(cur instanceof Tag) && !(cur instanceof CharacterReference) && !cur.isWhiteSpace()) {
            boolean enclosed = false;
            for (Element child : children) {
                if (child.encloses(cur)) { 
                    enclosed = true;
                }
            }
            if (!enclosed) results.add(cur);
        } else {
            for (Element child : children) {
                if (child.getStartTag().equals(cur)) {
                    results.add(cur);
                    break;
                }
            }
        }
    }
    return results;
}

公共静态列表getChildSegments（元素元素元素）{
最终迭代器it=elem.getContent（）.getNodeIterator（）；
最终列表结果=新建LinkedList（）；
最终列表子元素=elem.getChildElements（）；
while（it.hasNext（））{
段cur=it.next（）；
如果（！（cur instanceof Tag）和&！（cur instanceof CharacterReference）和&！cur.isWhiteSpace（））{
布尔值=假；
for（元素子元素：子元素）{
if（child.encloses（cur））{
封闭=真；
}
}
如果（！封闭）结果。添加（cur）；
}否则{
for（元素子元素：子元素）{
if（child.getStartTag（）.equals（cur））{
结果：添加（cur）；
打破
}
}
}
}
返回结果；
}

wow-这看起来很棒，谢谢你的帮助。在我现在出去的路上，明天早上我会试试。另外，谢谢你给我的关于接受答案的建议，我也会整理一下。干杯r。我已经修改了您建议的解决方案，以包括第一代非文本。感谢您的帮助，我更新了我的原始答案，以显示我将如何采纳上述建议。