JSoup错误地解析了显式HTML

我正在使用JSoup解析HTML。它通常工作正常，但在某些明确的示例中，它在解析后更改HTML中的元素序列。这里是简单的代码：JSoup错误地解析了显式HTML

String str1 = originalHtmlFragment; 
Document doc = Jsoup.parseBodyFragment(str1); 
String str2 = doc.html();

这里是str1和str2的值。

STR1：

 <table> 
      <tbody> 
       <tr> 
        <th> 
         <p> </p> 
         <p>10</p> 
        </th> 
       </tr> 
       <tr> 
        <td colspan="1"> 
         <p> 
          <ac:macro ac:name="my-macro"> 
           <ac:parameter ac:name="outer-values">Page content</ac:parameter> 
           <ac:parameter ac:name="atlassian-macro-output-type">INLINE</ac:parameter> 
           <ac:rich-text-body> 
            <p>a1</p> 
           </ac:rich-text-body> 
          </ac:macro> 
         </p> 
        </td> 
       </tr> 
      </tbody> 
     </table>

STR2：

<html> 
    <head></head> 
    <body> 
     <table> 
      <tbody> 
       <tr> 
        <th> 
         <p>&nbsp;</p> 
         <p>10</p> 
        </th> 
       </tr> 
       <tr> 
        <td colspan="1"> 
         <p> 
          <ac:macro ac:name="my-macro"> 
           <ac:parameter ac:name="outer-values">Page content</ac:parameter> 
           <ac:parameter ac:name="atlassian-macro-output-type">INLINE</ac:parameter> 
           <ac:rich-text-body></ac:rich-text-body> 
          </ac:macro> 
         </p> 
         <p>a1</p> 
         <p> 
         </p> 
        </td> 
       </tr> 
      </tbody> 
     </table> 
    </body> 
</html>

注意，a1为外部AC：在第二个代码示例宏标记。我如何在JSoup中解决这个问题？谢谢！

来源

2015-12-02 Alexey Ce

由于ac:macro不是允许的标签名称，因此您尝试解析不是真正的HTML的字符串。 JSoup试图做一些明智的事情，但在你的情况下，这显然是失败的。如果您可以切换到XMLparser实现，您会得到预期的结果：

Document doc = Jsoup.parse(str1,"",Parser.xmlParser());

来源

2015-12-02 21:42:47 luksch

它的工作原理！谢谢！ –

@AlexeyCe如果你觉得答案对你有帮助，请考虑接受它。这将标志着这个问题的答案。详情请看这里：http://meta.stackexchange.com/questions/5234/how-does-accepting-an-answer-work – luksch

嗨！是的，我试图投票，但我没有足够的分数。我检查了'v'符号，因为它对我来说是允许的。谢谢！ :) –

JSoup错误地解析了显式HTML

回答

相关问题