Я пытаюсь сделать что-то похожее на: Jsoup: Как получить весь html между двумя тегами заголовка
Однако, похоже, мой код избегает простого текста. Сайт, который я разбираю, имеет настройку кода таким образом:
div class = "quoted-message" Response. Can contain images, text, etc. div class = "quoted-message" Another response to another quoted message
Фрагмент кода, используемый для обработки фактических сообщений:
Element quote = msg.select(".quoted-message").first();
Boolean hasQuote = false;
Elements siblings = null;
siblings = quote.siblingElements();
createQuotePost(quote);
List<Element> elementsBetween = new ArrayList<Element>();
for (int i = 1; i < siblings.size(); i++) {
Element sibling = siblings.get(i);
if (! "div.quoted-message".equals(sibling.tagName())) {
elementsBetween.add(sibling);
}
else {
Log.v("location", "Clear and Process");
processElementsBetween(elementsBetween);
elementsBetween.clear();
}
}
if (! elementsBetween.isEmpty())
processElementsBetween(elementsBetween);
Однако это, похоже, не работает так, как я хочу. Ответы на код не имеют специального форматирования (т.е. находятся в теге p). Используя небольшое ведение журнала, я вижу, что они не помещаются в братьев и сестер Elements. Братья и сестры, кажется, просто включают разрывы строк и тому подобное.
Примечание. Я проверял это только на небольших сообщениях (простых вкладышах), чтобы сэкономить на просеивании длинных страниц распечаток.
Любые предложения о том, что делать?
РЕДАКТИРОВАТЬ: Вот фрагмент кода HTML между двумя кавычками div:
MESSAGE TO BE QUOTED
</div>
<br />
<br />
Hello quoted message
<br />
I am a response
<br />
<br />
<div class="quoted-message">