使用Jsoup解析XML

Question

我将会翻译以下XML代码，该代码代表一篇新闻文章：

我得到了以下XML代码，它代表一篇新闻文章：

<content>
   Some text blalalala
   <h2>Small subtitle</h2>
   Some more text blbla
   <ul class="list">
      <li>List item 1</li>
      <li>List item 2</li>
   </ul>
   <br />
   Even more freakin text
</content>

我知道这种格式并不理想，但现在我必须接受它。

文章应该如下所示：

• 一些文本 blalalala
• 小标题
• 项目列表
• 更多的文字

我使用Jsoup解析此XML。我可以使用 doc.ownText() 获取<content>标记内的文本，但是我不知道其他内容(副标题)放在哪里，我只得到一个大的 String。

是否最好使用基于事件的解析器？(我讨厌他们:()或者有没有可能做像doc.getTextUntilTagAppears("tagName")这样的操作？

编辑：为了澄清，我知道如何获取<content>下的元素，我的问题是如何获取<content>内的文本，并在被元素中断时进行分割。

我学到了可以使用.textNodes()获取content内的所有文本，这很好用，但是我不知道每个文本节点在我的文章中属于哪个部分（顶部h2之前的一个，在底部的另一个）。

- fweigl

Answer 1

Jsoup拥有基于选择器的语法，非常出色。在这里查看

如果您想要字幕

Document doc = Jsoup.parse("path-to-your-xml"); // get the document node

你知道字幕在h2元素中。

Element subtitle = doc.select("h2").first();  // first h2 element that appears

如果您需要列表：

Elements listItems = doc.select("ul.list > li");
for(Element item: listItems)
    System.out.println(item.text());  // print list's items one after another

- zEro

---

请问谁曾经慷慨地给了我-1，能否解释一下原因，这样我就可以改进自己。 - zEro

嗨，感谢你的努力，但是我知道如何获取元素。我会尝试明确我的问题。 - fweigl

Answer 2

我犯的错误是通过Elements遍历XML，而这并不包括TextNodes。当我逐个节点遍历时，可以检查Node是Element还是TextNode，这样我就可以相应地处理它们。

- fweigl

---

很好，现在它对你起作用了。既然你已经找到了解决方案，请相应地更新问题和答案。并在符合条件时接受你自己的答案。 - zEro