在Java上逐个元素解析HTML

我有一个HTML文件：

第一组
第二组
第三组

听起来像是要对HTML文档中的所有文本节点执行一个操作。幸运的是，大多数解析库（包括XML库）都会以迭代器的形式预先为您提供所有节点

我建议您使用Jericho和call，只需检查它是否是文本节点，并将其打印出来即可。Nootice该链接有示例代码，但为了方便起见，我会将其粘贴到这里：

 for (Iterator<Segment> nodeIterator=segment.getNoteIterator(); nodeIterator.hasNext();) {
   Segment nodeSegment=nodeIterator.next();
   if (nodeSegment instanceof Tag) {
     Tag tag=(Tag)nodeSegment;
     // HANDLE TAG
     // Uncomment the following line to ensure each tag is valid XML:
     // writer.write(tag.tidy()); continue;
   } else if (nodeSegment instanceof CharacterReference) {
     CharacterReference characterReference=(CharacterReference)nodeSegment;
     // HANDLE CHARACTER REFERENCE
     // Uncomment the following line to decode all character references instead of copying them verbatim:
     // characterReference.appendCharTo(writer); continue;
   } else {
     // HANDLE PLAIN TEXT
   }
   // unless specific handling has prevented getting to here, simply output the segment as is:
   //writer.write(nodeSegment.toString());
 }

for（迭代器nodeIterator=segment.getNoteIterator（）；nodeIterator.hasNext（）；）{
段nodeSegment=nodeIterator.next（）；
if（nodeSegment instanceof标记）{
标签标签=（标签）节点分段；
//手柄标签
//取消对以下行的注释，以确保每个标记都是有效的XML：
//writer.write（tag.tidy（））；继续；
}else if（字符引用的节点分段实例）{
CharacterReference CharacterReference=（CharacterReference）节点分段；
//句柄字符引用
//取消对以下行的注释以解码所有字符引用，而不是逐字复制它们：
//characterReference.appendCharTo（编写器）；继续；
}否则{
//处理纯文本
}
//除非特定处理阻止了到达此处，否则只需按原样输出段：
//writer.write（nodeSegment.toString（））；
}

在

//句柄字符引用

和

//句柄纯文本

中，您要添加字符串附加代码