Java 解析复杂li标记

我正在尝试使用Jsoup解析HTML文件。HTML中的某些文本不在标记下

<li class="inactive"> 
  <span class="status label">inactive</span> 
  <a href="/officers/144662696" class="officer inactive" title="more info on MILLTOWN CORPORATE SERVICES">
     MILLTOWN CORPORATE SERVICES
  </a>
  member, 
  <span class="status label">inactive</span> 
  <a href="/companies/us_wv/193180" class="company inactive revoked_(failure_to_file_annual_report)" title="More Free And Open Company Data On EASTBRIDGE L.L.C. (West Virginia (US), 193180)">
    EASTBRIDGE L.L.C.
   </a> 
   (West Virginia (US), 
   <span class="start_date">25 May 2000</span>-<span class="end_date"> 1 Aug 2002</span>)  
</li>

不活跃的
委员:，
不活跃的
（西弗吉尼亚州（美国），
（2000年5月25日至2002年8月1日）

我能够读取标签中的所有内容，但我正在尝试获取值（美国西弗吉尼亚州）和成员

---

是否有一种方法可以获取类外部和

li

标记内部的值

您可能正在寻找类似的东西

这只获取当前元素的文本，而不是所有子元素的组合文本

Element listItem = doc.select("li.inactive").first();
System.out.println(listItem.ownText()); // prints "member, (West Virginia (US), -)"

---

你可能正在寻找类似的东西

这只获取当前元素的文本，而不是所有子元素的组合文本

Element listItem = doc.select("li.inactive").first();
System.out.println(listItem.ownText()); // prints "member, (West Virginia (US), -)"

---

您还可以使用前面的标记来获取未嵌入任何标记中的文本节点。如果我没弄错的话，您希望在每个文本节点后面都有一个标记。尝试以下方法：

    String html = "<li class=\"inactive\"> \n"
            + "  <span class=\"status label\">inactive</span> \n"
            + "  <a href=\"/officers/144662696\" class=\"officer inactive\" title=\"more info on MILLTOWN CORPORATE SERVICES\">\n"
            + "     MILLTOWN CORPORATE SERVICES\n"
            + "  </a>\n"
            + "  member, \n"
            + "  <span class=\"status label\">inactive</span> \n"
            + "  <a href=\"/companies/us_wv/193180\" class=\"company inactive revoked_(failure_to_file_annual_report)\" title=\"More Free And Open Company Data On EASTBRIDGE L.L.C. (West Virginia (US), 193180)\">\n"
            + "    EASTBRIDGE L.L.C.\n"
            + "   </a> \n"
            + "   (West Virginia (US), \n"
            + "   <span class=\"start_date\">25 May 2000</span>-<span class=\"end_date\"> 1 Aug 2002</span>)  \n"
            + "</li>";

    Document doc = Jsoup.parse(html);
    Elements links = doc.select("a");
    for(Element e : links){
        System.out.println(e.nextSibling().toString());
    }

String html=“
\n”
+“不活动\n”
+“\n”
+成员，\n
+“不活动\n”
+“\n”
+（美国西弗吉尼亚州），\n
+“2000年5月25日至2002年8月1日\n”
+“
”；
Document doc=Jsoup.parse（html）；
元素链接=文件选择（“a”）；
用于（元素e：链接）{
System.out.println（例如nextSibling（）.toString（））；
}

您还可以使用前面的标记获取未嵌入任何标记中的文本节点。如果我没弄错的话，您希望在每个文本节点后面都有一个标记。尝试以下方法：

    String html = "<li class=\"inactive\"> \n"
            + "  <span class=\"status label\">inactive</span> \n"
            + "  <a href=\"/officers/144662696\" class=\"officer inactive\" title=\"more info on MILLTOWN CORPORATE SERVICES\">\n"
            + "     MILLTOWN CORPORATE SERVICES\n"
            + "  </a>\n"
            + "  member, \n"
            + "  <span class=\"status label\">inactive</span> \n"
            + "  <a href=\"/companies/us_wv/193180\" class=\"company inactive revoked_(failure_to_file_annual_report)\" title=\"More Free And Open Company Data On EASTBRIDGE L.L.C. (West Virginia (US), 193180)\">\n"
            + "    EASTBRIDGE L.L.C.\n"
            + "   </a> \n"
            + "   (West Virginia (US), \n"
            + "   <span class=\"start_date\">25 May 2000</span>-<span class=\"end_date\"> 1 Aug 2002</span>)  \n"
            + "</li>";

    Document doc = Jsoup.parse(html);
    Elements links = doc.select("a");
    for(Element e : links){
        System.out.println(e.nextSibling().toString());
    }

String html=“
\n”
+“不活动\n”
+“\n”
+成员，\n
+“不活动\n”
+“\n”
+（美国西弗吉尼亚州），\n
+“2000年5月25日至2002年8月1日\n”
+“
”；
Document doc=Jsoup.parse（html）；
元素链接=文件选择（“a”）；
用于（元素e：链接）{
System.out.println（例如nextSibling（）.toString（））；
}

不确定jsoup，但您可以尝试获取元素的

innerHTML

。寻找一个api，它公开元素的html而不是文本值。我已经使用Jsoup提取了所有其他字段。但是我将尝试获取innerHTML。不确定jsoup，但是您可以尝试获取元素的

innerHTML

。寻找一个api，它公开元素的html而不是文本值。我已经使用Jsoup提取了所有其他字段。但我将尝试获取innerHTML。