有没有办法在DOM中的HTML标签之间逐字提取文本？
问题描述：
例如，对于HTML文档：
For example, for an HTML document:
<html>
<body>
<p>Hello <b>world</b></p>
</body>
</html>
我知道我可以使用 getTextContent（）要获得Hello world，但是有没有办法获取Hello< b> world< / b>？
I know I can use getTextContent() to get "Hello world", but is there a way to get "Hello <b>world</b>"?
答
在Java中，您可以应用XSLT转换： https://docs.oracle.com/javase/tutorial/jaxp/xslt/writingDom.html
In Java, you can apply a XSLT transformation: https://docs.oracle.com/javase/tutorial/jaxp/xslt/writingDom.html
您需要的是检索元素子树的XML内容。解决这个问题的SO有几个问题：
如何在java中输出org.w3c.dom.Element为字符串格式？
What you need is to retrieve the XML content of the element subtree. There are several questions in SO addressing this issue: How to I output org.w3c.dom.Element to string format in java?