gpt4 book ai didi

html - Jsoup 如何输出格式正确的 XML?

转载 作者:太空狗 更新时间:2023-10-29 15:17:10 27 4
gpt4 key购买 nike

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
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com