Cómo evitar las etiquetas de cabeza html circundantes en Jsoup parse
Usando Jsoup trato de analizar el contenido html dado. Después de Jsoup.parse (), la salida html agrega la etiqueta html, head y body a la entrada. Solo quiero ignorar esto.
Entrada de muestra:
<p><b>This <i>is</i></b> <i>my sentence</i> of text.</p>
Código Java:
import java.io.File;
import java.io.IOException;
import org.apache.commons.io.FileUtils;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
public class HTMLParse {
public static void main(String args[]) throws IOException {
try{
File input = new File("/ab.html");
String html = FileUtils.readFileToString(input, null);
Document doc = Jsoup.parseBodyFragment(html);
doc.outputSettings().prettyPrint(false);
System.out.println(doc.html());
}
catch(Exception e){
e.printStackTrace();
}
}
}
Salida real:
<html><head></head><body><p><b>This <i>is</i></b> <i>my sentence</i> of text.</p>
</body></html>
Rendimiento esperado:
<p><b>This <i>is</i></b> <i>my sentence</i> of text.</p>
Por favor ayuda.