Android中用Jsoup提取父元素文本但排除子元素文本的问题

问题描述 #

我需要在Java中提取父元素的直接文本并赋值给message变量，但当前代码会同时提取子元素的文本，返回内容为“Message Data”。在JavaScript cheeriojs中已经实现了类似逻辑且可正常运行，请求协助解决Java端的问题。

相关代码 #

HTML代码

<span class="milestone-primaryMessage beta">
Message <span class="nowrap">Data</span>
</span>

原Java代码（存在问题）

String message = ele.select(".milestone-primaryMessage").text();
String data = ele.select(".milestone-primaryMessage > .nowrap").text();

可用的JavaScript cheeriojs代码

const message = $($(el).find(".milestone-primaryMessage").contents().get(0)).text().trim(),
const data = $(el).find(".milestone-primaryMessage > .nowrap").text().trim()

解决方案 #

Java中使用jsoup时，Element.text()方法会递归获取所有子节点的文本并拼接，因此会包含子元素的内容。要实现和cheerio类似的逻辑，需要直接遍历父元素的子节点，筛选出文本节点（TextNode），再提取其内容：

修正后的Java代码

// 获取目标父元素
Element primaryMsgEle = ele.selectFirst(".milestone-primaryMessage");
String message = "";
if (primaryMsgEle != null) {
    // 遍历子节点，找到第一个文本节点
    for (Node node : primaryMsgEle.childNodes()) {
        if (node instanceof TextNode) {
            // 提取文本并去除首尾空白
            message = ((TextNode) node).text().trim();
            break; // 找到目标节点后停止遍历
        }
    }
}
// 子元素文本提取保持不变
String data = ele.selectFirst(".milestone-primaryMessage > .nowrap").text().trim();

或者使用Stream API简化代码：

Element primaryMsgEle = ele.selectFirst(".milestone-primaryMessage");
String message = primaryMsgEle != null ? 
    primaryMsgEle.childNodes().stream()
        .filter(node -> node instanceof TextNode)
        .map(node -> ((TextNode) node).text().trim())
        .findFirst()
        .orElse("") : "";

说明 #

• cheerio的contents()方法会返回元素的所有子节点（包括文本节点和元素节点），get(0)直接取到了父元素的第一个文本节点；
• Java jsoup中通过childNodes()获取所有子节点，再筛选出TextNode类型的节点，就能得到父元素的直接文本，避免包含子元素的内容。

内容的提问来源于stack exchange，提问作者Paul