如何从HTML文档中仅提取粗体文本？

Question

我需要提取HTML文档主体中所有加粗的片段。我需要在服务器端使用Java进行操作（而非在浏览器中）。

网页上的文本可以由标签，例如、

等标签或内联CSS样式style="font-weight:bold;"或由外部CSS样式使用CSS类而加粗。

我正在使用Jsoup，但也可以使用其他库来完成此任务。

感谢您的时间！

- Himanshu Khurana

---

页面是否有定义好的结构，还是可能会变化？如果可以，请提供一个HTML页面示例。 - Greg

你为什么添加了JavaScript的标签？Java可能更合适，不是吗？ - MisterJ

如果你想在“服务器端”完成它，你应该将问题标记为“Java”。Jukka K. Korpela花费了一些时间为您提供了一个令人惊叹的高质量解决方案，而您却接受了一个有缺陷且廉价的解决方案，编辑您的问题和标签以使其“适合”解决方案。 - user1546328

对不起，Slytael。是我的错！感谢您添加标签。 - Himanshu Khurana

Answer 1

一种纯JavaScript解决方案：在足够新的浏览器上，您可以使用getPropertyValue方法检索元素的计算样式。您可以遍历文档树并检查所有文本节点；文本节点没有样式，因此您需要检查它们的父元素：

function consume(string) {
  console.log(string);
}
function traverse(tree) {
  var i;
  if(tree.nodeType === 3) {
    if(getComputedStyle(tree.parentNode).getPropertyValue('font-weight') === 'bold') {
      consume(tree.textContent);
    }
  }
  for(i = 0; i < tree.childNodes.length; i++) {
    traverse(tree.childNodes[i]);
  }
}
traverse(document.body);

请用您自己的函数替换consume，以处理加粗文本。

即使声明为700，font-weight的计算值似乎仍然是bold。

请注意，这只会选择字体重量明确设置为粗体（700）的文本。具有计算字体重量为600、800或900的元素通常会以粗体出现（当然取决于可用字体）。通过对测试进行明显修改，可以覆盖它们。

- Jukka K. Korpela

---

太好了。你也有Java服务器端的解决方案吗？ - Himanshu Khurana

Answer 2

你可以使用 getElementsByTagName()

http://www.w3schools.com/jsref/met_doc_getelementsbytagname.asp

此外，querySelectorAll 也非常有用。

https://developer.mozilla.org/en-US/docs/DOM/Document.querySelectorAll

祝你好运，Daniel

- Daniel Garcia Sanchez

---

不是一个很好的答案。请查看[FAQ]，您必须解释该怎么做，而不仅仅是链接到可能的答案。 - tgkprog

Answer 3

对于标签和内联样式（例如直接添加到HTML中的样式，而不是包含在外部CSS样式表中），您可以使用CSS选择器link。（对于内联样式，它将是 [style * =“font-weight：bold;”] ）。

- MisterJ

---

那么通过外部样式表加粗的文本呢？ - Jukka K. Korpela

在我的看法中，使用jsoup不可能做到。那么他就必须找另一个库或编写一个CSS解析器。OP没有说明他是否需要处理外部CSS样式表，因此我给了他一个解决方案并说明了它能够做些什么。 - MisterJ

Answer 4

只需通过标签名称获取元素，并循环遍历：

elem = document.getElementsByTagName("b");

for(i=0;i<elem.length;i++) {
    console.log(elem[i].innerText)
}

- Cybernetic