从 JavaScript 中的标头标记复制文本 - Java

简介

在 JavaScript 中，通过获取元素的 innerHTML 属性可以获取到所需的文本。但是有些情况下，仅仅获取元素的 innerHTML 属性会返回一些标签和其他不必要的信息。为了避免这种情况，可以使用标头标记（header tag）来表示所需要的文本。在复制文本时，只需获取指定标记内的文本即可。本篇文章将介绍如何使用 Java 从 JavaScript 中的标头标记复制文本。

代码实现

首先，需要使用 Java 提供的 HttpClient 类获取相应的网页代码。具体实现代码可参考以下示例：

import java.net.URI;
import org.apache.http.client.fluent.Request;
import org.apache.http.client.fluent.Response;
import org.apache.http.util.EntityUtils;

public class HtmlFetcher {
  public static String getHtml(String url) throws Exception {
    URI uri = new URI(url);
    Request request = Request.Get(uri);
    Response response = request.execute();
    String html = EntityUtils.toString(response.returnContent().asStream());
    return html;
  }
}

接下来，需要使用 Jsoup 库操作获取到的 HTML 代码，找到所需的元素并获取其中的文本。具体实现代码如下：

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class HtmlParser {
  public static String parse(String html, String tag) {
    Document doc = Jsoup.parse(html);
    Elements elements = doc.select(tag);
    Element element = elements.first();
    return element.text();
  }
}

其中，tag 为所需的标头标记，例如 <h1> 或 <h2> 等。parse 方法将返回第一个使用指定标头标记的元素的文本内容。如果要获取多个元素的文本内容，则需要对 elements 集合进行遍历。

示例

假设需要获取某个网页中第一个 <h1> 标签内的文本内容，示例代码如下：

public class App {
  public static void main(String[] args) {
    String url = "https://www.example.com";
    String html = "";
    String tag = "h1";
    try {
      html = HtmlFetcher.getHtml(url);
    } catch (Exception e) {
      e.printStackTrace();
    }
    String text = HtmlParser.parse(html, tag);
    System.out.println(text);
  }
}

结论

通过使用 Java 提供的 HttpClient 类获取网页代码，再使用 Jsoup 库获取指定标头标记内的文本，即可简单地从 JavaScript 中的标头标记复制文本。