Jsoup解析器問題

我使用Jsoup解析包含需要一些邏輯運算的結果

一些像這樣的自定義標籤簡短的HTML文檔

：

<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]");

在這種情況下，內部的內容似乎丟失，outerHtml（）方法僅顯示了這一點：

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

但如果「showif」標籤包含一個簡單的文本一樣招呼，它按預期工作。

任何想法？謝謝。

來源

2013-02-09 Luca Bottani

您碰到的問題是表格內容的HTML規範非常嚴格，所以您的未知標籤會在表格外進行培育。（Jsoup這樣做是爲了匹配HTML規範，以便它儘可能與瀏覽器行爲相匹配。）

在這種情況下，您知道自己在做什麼並且正在創建HTML，因此您可以設置jsoup忽略HTML規範，只是在它看到它們時處理標籤。與XML parser做到這一點：

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

來源

2013-02-17 20:03:03

謝謝喬納森，它的工作原理！ – 2013-02-22 22:55:07

問題是，Jsoup已經「消毒」了你的HTML。作爲一個快速測試，我貼你的HTML到一個頁面，用我的瀏覽器（這往往不是消毒吧）查看它，它告訴我的HTML實際上看起來像：

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

這是因爲只有少數幾個元素允許直接在<table>之內，並且瀏覽器認爲你在內部放置了一個<showif>標籤，並且爲你解決了這個問題。我認爲Jsoup做了類似的事情。

（編輯：有Jsoup現在正在運行，而事實上它創建了一個類似的輸出，如果我看doc.outerHtml()）

如果你真的需要使用非標準的東西來詮釋您的網頁，你可能有更好的運氣非標準的屬性，如：

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

那麼你可以說：Elements showif_fields = doc.select("*[showif]");。這產生了

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

作爲showif_fields.outerHtml()。

然後，您可能會採用不同的方法，例如， JavaScript模板引擎，如jQuery模板或Mustache（以及許多其他模板引擎），它們在執行一些邏輯之後插入生成的HTML，而不是將內容加載到頁面上並在之後進行修復。這當然取決於你的要求，我不知道這個建議是否合理。編輯：不，它沒有任何意義，因爲Jsoup是服務器端，請參閱下面的註釋。

來源

2013-02-10 00:46:54

謝謝克萊門斯的回答，但在這一點上沒有瀏覽器可言，我們的目標是呈現在瀏覽器中的「消毒」的HTML。這個值直接在Jsoup解析器中傳遞，並且解析器「自我清理」它，重建「錯誤」的樹，我想這與它處理未知標記有關。記錄中我需要它在一個Android應用程序。 – 2013-02-10 07:51:01

啊，愚蠢的我，我沒有檢查，並假設J來自JavaScript，而不是Java。由於事情是服務器端，那麼我的「不同的方法」段完全沒有意義。但是我看到Jsoup試圖淨化html本身，所以也許會出現這個問題。我已經相應地更新了我的答案。 – 2013-02-10 07:58:33

Jsoup解析器問題

回答

相關問題