Java Jericho html：是否可以根据源文件中的位置提取文本？

我使用3.1

我需要从html中提取文本，处理它，并根据这一点，我需要在原始html中插入标记

但为此，我需要在提取的文本和源html之间进行匹配

net.htmlparser.jericho.TextExtractor

提取文本非常好，但我无法找到如何在原始文件中找到位置

---

Jericho html有可能做到这一点吗？

您不能像现在这样使用TextExtractor，但我过去也需要做类似的事情，最简单的解决方案是复制Jericho的实现并编辑它以添加您自己的自定义行为。这是一个非常简单的类，因此您可以很容易地看到在何处添加自己的挂钩。

谢谢，我们将尝试！你知道其他库允许这样做吗？还有Jericho的渲染器，但同样，你必须自己修改它，但文本格式要好得多（包括项目符号、间距、链接等…有点像Lynx浏览器的html渲染）。至于其他库，没有，但是如果您只想在适当的位置使用换行符进行简单的文本格式设置，您可以使用dom解析器自己编写一个基本的实现—尽管修改TextExtractor/Renderer来完成您想要的任务会更快，利用Jericho对格式糟糕的HTML的处理，您将获得额外的好处。