Java 从html中提取所有可见文本

我试图在谷歌浏览器中创建一个搜索功能。给定一个字符串，它将高亮显示包含该字符串的所有区域。我使用java。我

为此，首先我需要提取所有可见文本。我试图分析html页面，以找出如何只提取文本

对于看起来像这样的部分，似乎

为此，我计划使用jsoup。我不知道如何从这样的部分中提取文本。（这是一条youtube评论，带有“阅读更多”链接和“显示更少”链接）

从这一节中，我试图摘录“不会说谎，dat dog是可爱的”和（“Les mer”或“Vis mindre”，取决于哪一个是可见的）

不会撒谎的，这条狗很可爱
莱默
维斯明德酒店

我假设给定的html代码已经存在于名为doc的文档中

String text = doc.select("div.comment-renderer-text-content").first().text();

doc.select命令获取包含指定HTML查询的元素。然后我得到第一个并将其转换为文本

更多信息可在此处阅读：

编辑：

您可以使用此代码来获取可见文本，而不是按类：

String text = doc.body().text();

---

我想提取html文件中的任何可见文本。因此，此解决方案过于具体。@mcNogard是否希望文本“Vis mindre”和“Les mer”是跨度而不是div？在这种情况下，如果它们也可见，我还希望提取“Vis mindre”、“Les mer”。我没有意识到在这个html部分有更多的可见文本。我会编辑我原来的帖子。就这样！非常感谢。

String text = doc.body().text();