Java 如何在<；p>；标签

我想从放置在

p

和

li

标记中的HTML页面中提取文本，这样我就可以开始标记页面，为每个页面构建反向索引，以回答搜索查询

如何使用jsoup获取

p

标记

Elements e = doc.select(""); 

要在该参数中写入的字符串是什么？

这可以完成此任务

Elements e=doc.select("p"); 

这是一个你可以使用的列表

假设您有以下html：

String html="<p>some <strong>bold</strong> text</p>";

或

假设现在您有以下复杂的html

String html="<div id=someid><p>some text</p><span>some other text</span><p> another p tag</p></div>"

你也可以找到更多信息

希望这有帮助

String testText1 = d.select("body").text();
System.out.println(testText);

或

您可以使用此选项从标记中获取文本。

尝试以下操作：

File input = new File("/home/s5/Downloads/PDFCopy/PDs.html");
        Document doc = Jsoup.parse(input, "UTF-8","http://www.cisco.com/c/en/us/products/collateral/wireless/aironet-1815-series-access-points/datasheet-c78-738481.pdf");
        Elements link = doc.select("p");
        String linkText = link.text();
        //System.out.println(linkText);
        String[] words=linkText.split("\\W");
        for(String str:words) 
        {
            System.out.println(str);
        }
    }
}

---

是的，我知道它从烹饪书中得到了p标签，但是具有复杂的结构，比如
或者注意：当使用

选择时。（“p”）.first（）如果第一个元素为空，它将返回第二个元素。例如，对于
测试，函数将返回“test”而不是“test”。我必须使用getElementsByTag来解决这个问题。
Document doc = Jsoup.parse(html);
Element content = doc.getElementById("someid");
Elements p= content.getElementsByTag("p");

String pConcatenated="";
for (Element x: p) {
  pConcatenated+= x.text();
}

System.out.println(pConcatenated);//sometext another p tag

String testText1 = d.select("body").text();
System.out.println(testText);

String testText2 = d.select("body p").text();
System.out.println(testText);

File input = new File("/home/s5/Downloads/PDFCopy/PDs.html");
        Document doc = Jsoup.parse(input, "UTF-8","http://www.cisco.com/c/en/us/products/collateral/wireless/aironet-1815-series-access-points/datasheet-c78-738481.pdf");
        Elements link = doc.select("p");
        String linkText = link.text();
        //System.out.println(linkText);
        String[] words=linkText.split("\\W");
        for(String str:words) 
        {
            System.out.println(str);
        }
    }
}