个人中心
文章发布
退出
作者热门文章
- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
27
4
当 Jsoup 遇到某些类型的 HTML(复杂的或不正确的)时，它可能会发出格式错误的 HTML。一个例子是:
<html>
<head>
<meta name="x" content="y is "bad" here">
</head>
<body/>
</html>
引号应该被转义的地方。当 Jsoup 解析它时，它发出:
<html>
<head>
<meta name="x" content="y is " bad"="" here"="" />
</head>
<body></body>
</html>
不符合 HTML 或 XML。这是有问题的，因为它会在链中的下一个解析器中失败。
是否有任何方法可以确保 Jsoup 发出错误消息或(如 HtmlTidy)可以输出格式正确的 XML，即使它丢失了一些信息(毕竟我们现在无法确定什么是正确的)。
更新:失败的代码是:
@Test
public void testJsoupParseMetaBad() {
String s = "<html><meta name=\"x\" content=\"y is \"bad\" here\"><body></html>";
Document doc = Jsoup.parse(s);
String ss = doc.toString();
Assert.assertEquals("<html> <head> <meta name=\"x\" content=\"y is \""
+" bad\"=\"\" here\"=\"\" /> </head> <body></body> </html>", ss);
}
我正在使用:
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.7.2</version>
</dependency>
其他人似乎也有同样的问题: JSoup - Quotations inside attributes那里的答案对我没有帮助，因为我必须接受我得到的东西
最佳答案
问题是当你解析的时候，因为 jsoup 正在创建 3 个属性:
content="y is "bad" here"
并且属性的名称包含引号 "字符。Jsoup 会转义属性的值，但不会转义其名称。
由于您是从字符串构建 html 文档，因此您可能会在解析阶段遇到错误。有一种方法将 org.jsoup.parser.Parser 作为参数。默认的解析方法不跟踪错误。
String s = "<html><meta name=\"x\" content=\"y is \"bad\" here\"><body></html>";
Parser parser = Parser.htmlParser(); // or Parser.xmlParser
parser.setTrackErrors(100);
Document doc = Jsoup.parse(s, "", parser);
System.out.println(parser.getErrors());
输出:
[37:输入状态 [AfterAttributeValue_quoted] 中的意外字符“a”，40:输入状态 [AttributeName] 中的意外字符“”，46:输入状态 [AttributeName] 中的意外字符“>”]
如果您不想更改解析而只想获得有效的输出，您可以只删除无效的属性:
public static void fixIt(Document doc) {
Elements els = doc.getAllElements();
for(Element el:els){
Attributes attributes = el.attributes();
Set<String> remove = new HashSet<>();
for(Attribute a:attributes){
if(isForbidden(a.getKey())){
remove.add(a.getKey());
}
}
for(String k:remove){
el.removeAttr(k);
}
}
}
public static boolean isForbidden(String el) {
return el.contains("\""); //TODO
}
关于html - Jsoup 如何输出格式正确的 XML？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/20976174/
27
4
0
我正在使用 OUTFILE 命令，但由于权限问题和安全风险，我想将 shell 的输出转储到文件中，但出现了一些错误。我试过的 #This is a simple shell to connect t
我刚刚开始学习 Java，我想克服在尝试为这个“问题”创建 Java 程序时出现的障碍。这是我必须创建一个程序来解决的问题: Tandy 喜欢分发糖果，但只有 n 颗糖果。对于她给第 i 个糖果的人，
你好，我想知道我是否可以得到一些帮助来解决我在 C++ 中打印出 vector 内容的问题 我试图以特定顺序在一个或两个函数调用中输出一个类的所有变量。但是我在遍历 vector 时收到一个奇怪的错误
我正在将 intellij (2019.1.1) 用于 java gradle (5.4.1) 项目，并使用 lombok (1.18.6) 来自动生成代码。 Intellij 将生成的源放在 out
编辑:在与 guest271314 交流后，我意识到问题的措辞(在我的问题正文中)可能具有误导性。我保留了旧版本并更好地改写了新版本 背景: 从远程服务器获取 JSON 时，响应 header 包含一
我的问题可能有点令人困惑。我遇到的问题是我正在使用来自 Java 的 StoredProcedureCall 调用过程，例如: StoredProcedureCall call = new Store
在我使用的一些IDL中，我注意到在方法中标记返回值有2个约定-[in, out]和[out, retval]。 当存在多个返回值时，似乎使用了[in, out]，例如: HRESULT MyMetho
当我查看 gar -h 的帮助输出时，它告诉我: [...] gar: supported targets: elf64-x86-64 elf32-i386 a.out-i386-linux [...
我想循环遍历一个列表，并以 HTML 格式打印其中的一部分，以代码格式打印其中的一部分。所以更准确地说:我想产生与这相同的输出 1 is a great number 2 is a great
我有下面的tekton管道，并尝试在Google Cloud上运行。集群角色绑定。集群角色。该服务帐户具有以下权限。。例外。不确定需要为服务帐户设置什么权限。
当尝试从 make 过滤非常长的输出以获取特定警告或错误消息时，第一个想法是这样的: $ make | grep -i 'warning: someone set up us the bomb' 然而
我正在创建一个抽象工具类，该类对另一组外部类(不受我控制)进行操作。外部类在某些接口(interface)点概念上相似，但访问它们相似属性的语法不同。它们还具有不同的语法来应用工具操作的结果。我创建了
这个问题已经有答案了: What do numbers starting with 0 mean in python? (9 个回答) 已关闭 7 年前。 在我的代码中使用按位与运算符 (&) 时，我
我写了这段代码来解析输入文件中的行输入格式:电影 ID 可以有多个条目，所以我们应该计算平均值输出:**没有重复(这是问题所在) import re f = open("ratings2.txt",
我需要处理超过 1000 万个光谱数据集。数据结构如下:大约有 1000 个 .fits(.fits 是某种数据存储格式)文件，每个文件包含大约 600-1000 个光谱，其中每个光谱中有大约 450
我编写了一个简单的 C 程序，它读取一个文件并生成一个包含每个单词及其出现频率的表格。 该程序有效，我已经能够在 Linux 上运行的终端中获得显示的输出，但是，我不确定如何获得生成的显示以生成包含词
很难说出这里要问什么。这个问题模棱两可、含糊不清、不完整、过于宽泛或夸夸其谈，无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开，visit the help center . 关闭 1
1.普通的输出： print(str)#str是任意一个字符串，数字··· 2.格式化输出： ?
我无法让 logstash 正常工作。 Basic logstash Example作品。但后来我与 Advanced Pipeline Example 作斗争.也许这也可能是 Elasticsear
这是我想要做的: 我想让用户给我的程序一些声音数据(通过麦克风输入)，然后保持 250 毫秒，然后通过扬声器输出。 我已经使用 Java Sound API 做到了这一点。问题是它有点慢。从发出声音到
我是一名优秀的程序员,十分优秀！