Java实现对Html文本的处理
1.引入jsoup
org.jsoup
jsoup
1.8.3
2. html示例
示例代码：
个人信用报告
test99
1
20231030155315
test99
1
20231030155315
test99
1
20231030155315
test99
1
20231030155315
test99
1
20231030155315
test99
1
20231030155315
test99
1
20231030155315
test99
1
20231030155315
test99
1
20231030155315
个人信用报告
（授信机构版）
报告编号：2023100117121647378010
报告时间：2023-10-23 17:18:16
被查询者姓名
被查询者证件类型
被查询者证件号码
查询机构
查询原因
杨晴晴
身份证
32082719901102604X
1
贷后管理
一 个人基本信息
（一）身份信息
性别
出生日期
婚姻状况
学历
学位
就业状况
国籍
电子邮箱
男
1980-06-30
--
初中及以下
--
在职
中国
[email protected]
通讯地址
户籍地址
福建省福州市平潭县苏澳镇斗魁村斗魁58号
--
编号
手机号码
信息更新日期
1
18855583001
2019-07-18
2
18855583002
2019-06-25
3
18855583003
2019-04-26
4
18855583004
2019-01-26
5
15105055999
2018-11-14
6
13023801517
2018-09-11
7
18250182015
2017-09-07
8
015105055999
2017-06-29
（二）居住信息
编号
居住地址
住宅电话
居住状况
信息更新日期
1
地址1
--
未知
2019-07-18
2
地址2
--
未知
2019-06-25
3
地址3
--
未知
2019-04-26
4
地址4
--
未知
2019-01-26
5
--
--
未知
2018-11-14
6
福建省福州市平潭县苏澳镇斗魁村斗魁58号
--
未知
2018-10-18
7
福建省福州市平潭县苏沃镇斗魁村斗魁58号
0591-23106098
其他
2018-06-09
8
福州市
--
未知
2018-05-24
9
福建省福州市仓山区金山融信西班牙8—102
--
亲属楼宇
2017-09-25
3.java代码实现
比如说我们想删掉某一个div 可以根据div的id class等进行操作处理
public static void main(String[] args) throws IOException {
String filePath = "/Users/xxxx/Downloads/a.html";
File file = new File(filePath);
// 解析HTML文本
Document document = Jsoup.parse(file, "UTF-8");
// 选择要移除的div元素（可以根据id、class或其他属性来选择）
Elements divsToRemove = document.select("div#Header");
Element table = divsToRemove.select("table").get(1);
if (table != null) {
Element rowToDelete = table.select("tr").get(0); // 获取第一行（索引从0开始）
Element rowToDelete2 = table.select("tr").get(1); // 获取第二行（索引从0开始）
// 删除表格行
rowToDelete.remove();
rowToDelete2.remove();
}
Elements divsToRemove2 = document.select("div#PersonalInfo");
divsToRemove2.remove();
// 输出更新后的HTML文本
String updatedHtml = document.outerHtml();
System.out.println(updatedHtml);
}根据class删除代码示例：
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
public class RemoveDivsByClass {
public static void main(String[] args) {
// 输入的HTML文本
String htmlText = "子元素1
子元素2
子元素3
";
// 解析HTML文本
Document document = Jsoup.parse(htmlText);
// 查找特定的元素（这里使用id="content"作为示例）
Element divElement = document.select("div#content").first();
if (divElement != null) {
// 查找包含特定class属性值的子元素并删除
Elements divsToDelete = divElement.select("div.delete-me");
divsToDelete.remove();
}
// 输出更新后的HTML文本
String updatedHtml = document.outerHtml();
System.out.println(updatedHtml);
}
}