获取jsoup中元素的字符偏移量

Question

我需要将jsoup元素映射回源HTML中的特定字符偏移量。换句话说，如果我有HTML，看起来像这样：

Hello <br/> World 

我需要知道，“你好”开始，在偏移0并具有6个字符，<br/>开始长度偏移量6，具有长度5个字符等。

我无法在返回此信息的Element javadoc中找到getter。它可以被检索？

Answer 1

我不相信Jsoup有这个功能。这个问题似乎比HTML解析更接近词法分析。

我会编写一个语法，然后编写一个词法分析器来对付将HTML标记为HTML的语法，并提供您正在寻找的偏移量。

首先，用Jsoup解析文档以验证它是否为有效的HTML。

然后，根据语法词法分析文档。一个语法可能看起来像：

Document := {optional-opening-tag} | {literal} {optional-opening-tag} | {optional-closing-tag} 

optional-opening-tag := ["<" {literal} ">" {optional-opening-tag}|{literal} ] | "" 

optional-closing-tag := "</ {literal} ">" | "" 

literal := any string of characters not beginning with whitespace, or containing "<" 

将每个您在存储令牌，第一个字符的索引和长度的对象找到令牌。