Java 使用XPath检索html标签的内容

我有以下html代码：

<div id="ipsLayout_contentArea">
<div class="preContentPadding">
<div id="ipsLayout_contentWrapper">
<div id="ipsLayout_mainArea">
<a id="elContent"></a>
<div class="cWidgetContainer " data-widgetarea="header" data-orientation="horizontal" data-role="widgetReceiver" data-controller="core.front.widgets.area">
<div class="ipsPageHeader ipsClearfix">
<div class="ipsClearfix">
<div class="cTopic ipsClear ipsSpacer_top" data-feedid="topic-100269" data-lastpage="" data-baseurl="https://forum.com/forum/topic/100269-topic/" data-autopoll="" data-controller="core.front.core.commentFeed,forums.front.topic.view">
<div class="" data-controller="core.front.core.moderation" data-role="commentFeed">
<form data-role="moderationTools" data-ipspageaction="" method="post" action="https://forum.com/forum/topic/100269-topic/?csrfKey=b092dccccee08fdbc06c26d350bf3c2b&do=multimodComment">
<a id="comment-626016"></a>
<article id="elComment_626016" class="cPost ipsBox ipsComment ipsComment_parent ipsClearfix ipsClear ipsColumns ipsColumns_noSpacing ipsColumns_collapsePhone " itemtype="http://schema.org/Comment" itemscope="">
<aside class="ipsComment_author cAuthorPane ipsColumn ipsColumn_medium">
<div class="ipsColumn ipsColumn_fluid">
<div id="comment-626016_wrap" class="ipsComment_content ipsType_medium ipsFaded_withHover" data-quotedata="{"userid":3859,"username":"Admin","timestamp":1453221383,"contentapp":"forums","contenttype":"forums","contentid":100269,"contentclass":"forums_Topic","contentcommentid":626016}" data-commentid="626016" data-commenttype="forums" data-commentapp="forums" data-controller="core.front.core.comment">
<div class="ipsComment_meta ipsType_light">
<div class="cPost_contentWrap ipsPad">
<div class="ipsType_normal ipsType_richText ipsContained" data-controller="core.front.core.lightboxedImages" itemprop="text" data-role="commentContent">
<p> Hi, </p>
<p>   </p>
<p> This is a post with multiple </p>
<p> lines of text </p>

检索每篇文章的每一行（由

分隔）。我怎样才能得到这篇文章的全部内容（内：

检索包含文章正文的div

// forumTemplate.getXpathElements().get(forumTemplate.XPATH_GET_THREAD_POSTS) = //div[@id='ipsLayout_contentArea']/div[2]/div/div[4]/div/form/article/div/div/div[2]/div
List<DomNode> posts = (List<DomNode>) firstPage.getByXPath(forumTemplate.getXpathElements().get(forumTemplate.XPATH_GET_THREAD_POSTS));
                for (DomNode post : posts) {
                    // Retrieve the contents of the post as a string
                    String postContentStr = post.getNodeValue();

//forumTemplate.getxpathements（）.get（forumTemplate.XPATH\u get\u THREAD\u POSTS）=//div[@id='ipsLayout\u contentArea']/div[2]/div/div/div/div/form/article/div/div/div/div[2]/div
List posts=（List）firstPage.getByXPath（forumTemplate.getXpathElements（）.get（forumTemplate.XPATH\u get\u THREAD\u posts））；
for（DomNode post:posts）{
//以字符串形式检索帖子的内容
字符串postContentStr=post.getNodeValue（）；

变量
postContentStr
始终为空。为什么？
您指定的
//text（）
，将递归获取指定路径下的所有文本节点。根据您使用的内容，这可能会更好：

//div[@data-role='commentContent']

这将匹配您试图获取的注释节点。如果您使用代码进行求值，您可以从这里开始。但是，不要匹配
text（）
，这将不匹配任何
标记。
这不能仅在XPath中完成。让您的XPath选择
div
，并从java中获取
div
的内容作为文本（尽管对java部分没有帮助）我可以将div作为dom节点获取，但无法获取其值（它下面的所有标签）。我不希望它以明文形式呈现，只希望它的内容（它可能包含的所有标签都以文本形式读取，java中的字符串）。该文档是一个html页面，不是xml。它是html，但在您使用xpath处理它并构建dom树时也是xml。因此，据我所见，您正在用html构建一个dom树，然后匹配此dom中的特定节点。现在，您正试图将dom子树恢复为html。关键是，xpath对“文本”不起作用虽然我知道这是你最终想要的。
//div[@id='ipsLayout_contentArea']/div[2]/div/div[4]/div/form/article/div/div/div[2]/div

// forumTemplate.getXpathElements().get(forumTemplate.XPATH_GET_THREAD_POSTS) = //div[@id='ipsLayout_contentArea']/div[2]/div/div[4]/div/form/article/div/div/div[2]/div
List<DomNode> posts = (List<DomNode>) firstPage.getByXPath(forumTemplate.getXpathElements().get(forumTemplate.XPATH_GET_THREAD_POSTS));
                for (DomNode post : posts) {
                    // Retrieve the contents of the post as a string
                    String postContentStr = post.getNodeValue();

//div[@data-role='commentContent']