使用Jsoup抓取网页元素时如何保留原始HTML格式？

你的代码里，wholeText()方法会丢弃所有HTML标签，只提取纯文本内容，这就是无法保留原始格式的核心原因。直接使用elements.html()就能获取目标元素内部的完整HTML代码，无需额外解析转纯文本。

修改后的完整代码如下：

public class doIT extends AsyncTask<Void,Void,Void> {
    String translated;
    @Override
    protected void onPreExecute() {
        super.onPreExecute();
    }
    @Override
    protected Void doInBackground(Void... params) {
        try
        {
            Document document = Jsoup.connect("https://studentdevos.com/").get();
            org.jsoup.select.Elements elements = document.getElementsByClass("post-entry");

            // 直接获取元素内部的完整HTML结构，替换原纯文本提取逻辑
            translated = elements.html();
            
        }
        catch (IOException e)
        {
            e.printStackTrace();
        } 
        return null;
    }
    @Override
    protected void onPostExecute(Void aVoid)
    {
        tv_Jsoupe.setText(Html.fromHtml(translated));
        super.onPostExecute(aVoid);
    }
}

补充说明： #

• 如果页面存在多个post-entry类的元素，elements.html()仅会返回第一个匹配元素的HTML。若需要获取所有匹配元素的HTML，可以通过循环拼接实现：

StringBuilder htmlBuilder = new StringBuilder();
for (Element element : elements) {
    htmlBuilder.append(element.html());
}
translated = htmlBuilder.toString();

内容的提问来源于stack exchange，提问作者Isaac Darlong