java - Jsoup 解析和嵌套标签-6ren

java - Jsoup 解析和嵌套标签

转载作者：塔克拉玛干更新时间：2023-11-02 18:58:41

25

4

我正在学习 Jsoup 并且有这个 HTML:

 [...]
 <p style="..."> <!-- div 1 -->
   Content
 </p>
 <p style="..."> <!-- div 2 -->
   Content
 </p>
 <p style="..."> <!-- div 3 -->
   Content
 </p>
 [...]

我使用 Jsoup.parse() 和 document select("p") 来捕获“内容”(效果很好)。但是……

 [...]
 <p style="..."> <!-- div 1 -->
   Content
 </p>
 <p style="..."> <!-- div 2 -->
   Content
 </p>
 <p style="..."> <!-- div 3 -->
   Content
   <p style="..."></p>
   <p style="..."></p>
 </p>
 [...]

在此场景中，我看到 Jsoup.parse() 将此代码转换为:

 [...]
 <p style="..."> <!-- div 1 -->
   Content
 </p>
 <p style="..."> <!-- div 2 -->
   Content
 </p>
 <p style="..."> <!-- div 3 -->
   Content
 </p>
 <p style="..."> <!-- div 4 -->
 </p>
 <p style="..."> <!-- div 5 -->
 </p>
 [...]

如何使用 Jsoup(div 3 内的 div 4 和 5)保持嵌套段落的顺序？

添加示例:

HTML 文件:

 <html>
 <head>
    <title>Title</title>
 </head>
 <body>
    <p style="margin-left:2em">
            <span class="one">Text</span>
            <span class="two"><span class="nest">Text</span></span>
            <span class="three"></span>
    </p>
    <p style="margin-left:2em">
            <span class="one">Text</span>
            <span class="two"><span class="nest">Text</span></span>
            <span class="three"></span>
    </p>
    <p style="margin-left:2em">
            <span class="one">Text</span>
            <span class="two"><span class="nest">Text</span></span>
            <span class="three"></span>
            <p style="margin-left:2em"></p>
            <p style="margin-left:2em"></p>
    </p>

 </body>
 </html>

Java代码:

Document doc = null;
doc = Jsoup.connect(URL_with_HTML).get();
System.out.println(doc.outerHtml());

返回:

<html>
<head> 
 <title>Title</title> 
</head> 
<body> 
 <p style="margin-left:2em"> <span class="one">Text</span> <span class="two"><span class="nest">Text</span></span> <span class="three"></span> </p> 
 <p style="margin-left:2em"> <span class="one">Text</span> <span class="two"><span class="nest">Text</span></span> <span class="three"></span> </p> 
 <p style="margin-left:2em"> <span class="one">Text</span> <span class="two"><span class="nest">Text</span></span> <span class="three"></span> </p>
 <p style="margin-left:2em"></p> 
 <p style="margin-left:2em"></p> 
 <p></p>   
</body>
</html>

这是正确的吗？我使用 Jsoup 1.6.1。我知道 Jsoup 应该返回嵌套段落而不是之前的返回。

最佳答案

HTML 中不存在嵌套段落。自 Jsoup implements the WHATWG HTML5 specification 后，上一段自动关闭:

A p标签被以下任何一项自动关闭:address , article , aside , blockquote , div , dl , fieldset , footer , form , h1 , h2 , h3 , h4 , h5 , h6 , header , hgroup , hr , main , menu , nav , ol , p , pre , section , table , 或 ul .因此<p><div></div> becomes <p></p><div></div> .
一个结束标签，其名称为 p (即 </p> )没有相应的开始标记是一个解析错误并被替换为 <p> .因此<span></span></p>变成 <span></span><p> .

所以 jsoup 是正确的，你的 HTML 是无效的。

请务必理解您的 HTML 无效，因为您有太多 </p>而不是因为“嵌套”段落。嵌套不会发生，因为它们会自动关闭。不过后来的</p>已过时，因为“对应的”<p>之前已经自动关闭了。

关于java - Jsoup 解析和嵌套标签，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/9853880/

25

4

0

文章推荐： Java 泛型，将所有整数/vector 添加到列表中

文章推荐： android - ACRA 可以用于图书馆项目吗？

文章推荐： Android:如何更改默认日志记录级别？

文章推荐： java - MouseWheelListener block 滚动

jsoup - 如何使用 jsoup 从我当前的元素实例中使用 jsoup 获取上一个元素
我有一些像这样的 html: zip code 我的 Java 代码 Elements formElements = doc.getElementsByTag("form"); for(Ele
jsoup - 如何使用 jsoup 创建 session 以及如何使用 jsoup 发布数据
我无法使用创建 session jsoup 以及如何使用 jsoup 发布数据.请帮助我，我是新来的 jsoup api ，实际上我的代码是: Connection.Response res = J
jsoup - 使用 jsoup 添加元标记
我想添加一个新的元标记 Document doc = Jsoup.parse(.....) doc.select("meta").first.appendElement("meta".attr("na
jsoup - 如何使用 Jsoup 保留新行？
有没有办法用 Jsoup 保留新行，(不是 )？ Document pdsc = Jsoup.connect("http://drafts.bestsiteeditor.com/promoters/d
jsoup - 获取 jsoup 中元素的字符偏移量
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，如果我有这样的 HTML: Hello World 我需要知道“Hello”从偏移量 0 开始，长度为 6 个字符，从偏移
jsoup - 重用 Jsoup 连接
我喜欢用 Jsoup 解析 html，但是他们的连接有问题，我需要将请求发送到同一个网站但不同的查询参数，比如“id=XXX”，请求是这样的: http://website/?id=XXX 我不想为每
jsoup - 防止 JSOUP 取消编码属性值
我有代码，有点像这样 String str = " >foo< "; Document doc = Jsoup.parse(str, "", Parser.xmlParser()); 但
jsoup - 使用 jsoup 进行验证
是否可以使用 jsoup 来验证 HTML 片段？我想知道标记是否格式错误，而不是让 jsoup 自动修复它，我希望能够通知用户自己修复源标记。最佳答案 Jsoup 不是检查 xml 或 html
java - Jsoup.parse() 与 Jsoup.parse() - 或者 URL 检测在 Jsoup 中是如何工作的？
Jsoup 有 2 个 html parse() 方法: > parse(String html) - "由于没有指定基本 URI，绝对 URL检测依赖于包含标记的 HTML。” > parse(St
jsoup - 使用 JSoup 提取图像 src
我正在尝试使用 jsoup 从此网页中提取所有图片网址？任何人都可以提供有关如何做到这一点的帮助吗？所有标签的格式都是这样的，但我只需要 src 图像，而不是 ajaxsrc: 链接在这里: htt
jsoup - JSOUP select() 方法的 OR 运算符
我试图找到所有或一页/文档中的标签。我如何使用 OR运算符(operator)在 doc.select("div.name1 OR div.name2") ? 最佳答案 select metho
android - : Lorg/jsoup/Jsoup; 解析失败
我为我的项目创建了一个新模块来添加一些额外的功能。在该模块中，我在模块的 Gradle 文件 implementation 'org.jsoup:jsoup:1.10.2' 中添加了 Jsoup 依赖
java - jsoup - 如何使用 Jsoup 提取此图像？
我正在寻找这个 div 中的主图像我试过这个: Document document = Jsoup.connect(url).get(); Elements img = document.se
java - JSoup 元素和 JSoup 节点之间的区别
谁能解释一下 JSoup 中提供的 Element 对象和 Node 对象之间的区别？在什么情况/条件下使用什么最好。最佳答案节点是 DOM 层次结构中任何类型对象的通用名称。元素是一种特定类
jsoup - 防止 Jsoup 的 HTML 解析器将单个标签转换为自闭合标签
有什么方法可以防止 Jsoup 的 HTML 解析器将单个标签(最具体的是标签)转换为自闭合标签？标签是有效的 HTML5 元素，但 Jsoup 一直将它们转换为 . 我在下面的链接中有一个示
jsoup - 下载 html 时将 jsoup 屏蔽为浏览器
可以屏蔽吗 Jsoup.connect("http://xyz.com").get().html(); 作为对网站的浏览器调用？我尝试构建一个壁纸下载工具，但在从服务器下载页面时遇到问题。如果我下
jsoup - Groovy 中的爬虫(JSoup VS Crawler4j)
我希望在 Groovy 中开发一个网络爬虫(使用 Grails 框架和 MongoDB 数据库)，它能够爬取网站，创建网站 URL 列表及其资源类型、内容、响应时间和所涉及的重定向数量。我正在讨论
jsoup - 如何在 JSoup 中选择 "this element"的直接子级
如果我有一个看起来像这样的元素: bar text 1 bar text 2 我已经有了元素被选中，我想选择元素是的直接子元素但不是
jsoup - 用 Jsoup 解析一个巨大的 HTML 流
任何人都可以提供有关我将如何解析超大 HTML 流/文件的指针或建议。例如，我有一个大约有 270,000 行的表，我想一次将它带入我的应用程序大约 20,000 行。 jsoup 解析方法允许使用
java.lang.NoClassDefFoundError : org. jsoup.Jsoup
我收到此错误: java.lang.RuntimeException: An error occured while executing doInBackground() at and

首页

博学

6Ren·AI

商城

java - Jsoup 解析和嵌套标签