Jsoup解析器问题

我使用Jsoup解析包含需要一些逻辑运算的结果

一些像这样的自定义标签简短的HTML文档

：

<table><showif field="xxx"><tr><td>test</test></td></tr></showif><tr><td>xyz</td></tr></table> 

Document doc = Jsoup.parse(html); 
Elements showif_fields = doc.select("SHOWIF[field]");

在这种情况下，内部的内容似乎丢失，outerHtml（）方法仅显示了这一点：

<showif value="xxx"></showif>

但如果“showif”标签包含一个简单的文本一样招呼，它按预期工作。

任何想法？谢谢。

来源

2013-02-09 Luca Bottani

您碰到的问题是表格内容的HTML规范非常严格，所以您的未知标签会在表格外进行培育。（Jsoup这样做是为了匹配HTML规范，以便它尽可能与浏览器行为相匹配。）

在这种情况下，您知道自己在做什么并且正在创建HTML，因此您可以设置jsoup忽略HTML规范，只是在它看到它们时处理标签。与XML parser做到这一点：

Document doc = Jsoup.parse(html, baseUri, Parser.xmlParser());

来源

2013-02-17 20:03:03

谢谢乔纳森，它的工作原理！ – 2013-02-22 22:55:07

问题是，Jsoup已经“消毒”了你的HTML。作为一个快速测试，我贴你的HTML到一个页面，用我的浏览器（这往往不是消毒吧）查看它，它告诉我的HTML实际上看起来像：

<showif value="xxx"/> 
<table><tbody><tr><td>test</td></tr><tr><td>xyz</td></tr></tbody></table>

这是因为只有少数几个元素允许直接在<table>之内，并且浏览器认为你在内部放置了一个<showif>标签，并且为你解决了这个问题。我认为Jsoup做了类似的事情。

（编辑：有Jsoup现在正在运行，而事实上它创建了一个类似的输出，如果我看doc.outerHtml()）

如果你真的需要使用非标准的东西来诠释您的网页，你可能有更好的运气非标准的属性，如：

<table> 
    <tr showif="xxx"><td>test</test></td></tr> 
    <tr><td>xyz</td></tr> 
</table>

那么你可以说：Elements showif_fields = doc.select("*[showif]");。这产生了

<tr showif="xxx"> 
    <td>test</td> 
</tr>

作为showif_fields.outerHtml()。

然后，您可能会采用不同的方法，例如， JavaScript模板引擎，如jQuery模板或Mustache（以及许多其他模板引擎），它们在执行一些逻辑之后插入生成的HTML，而不是将内容加载到页面上并在之后进行修复。这当然取决于你的要求，我不知道这个建议是否合理。编辑：不，它没有任何意义，因为Jsoup是服务器端，请参阅下面的注释。

来源

2013-02-10 00:46:54

谢谢克莱门斯的回答，但在这一点上没有浏览器可言，我们的目标是呈现在浏览器中的“消毒”的HTML。这个值直接在Jsoup解析器中传递，并且解析器“自我清理”它，重建“错误”的树，我想这与它处理未知标记有关。记录中我需要它在一个Android应用程序。 – 2013-02-10 07:51:01

啊，愚蠢的我，我没有检查，并假设J来自JavaScript，而不是Java。由于事情是服务器端，那么我的“不同的方法”段完全没有意义。但是我看到Jsoup试图净化html本身，所以也许会出现这个问题。我已经相应地更新了我的答案。 – 2013-02-10 07:58:33

Jsoup解析器问题

回答

相关问题