java - JSoup 检查 、 和 标签是否存在

Question

您好，我正在使用 JSoup 来解析 HTML 文件。解析后，我想检查文件是否包含标签。我正在使用以下代码来检查，

htmlDom = parser.parse("<p>My First Heading</p><a href=\"www.google.com\">clk</a>");
Elements pe = htmlDom.select("html");
System.out.println("size  "+pe.size());

即使不存在 HTML 标记，我得到的输出也是“尺寸 1”。我的猜测是，这是因为 HTML 标记不是强制性的，而是隐含的。 Head 和 Body 标签也是如此。有什么方法可以检查输入文件中是否存在这些标签？

谢谢。

Answer 1

它不返回 1 因为标记是隐式的，但因为它 存在于 Document 对象 htmlDom 解析自定义 HTML 之后。

那是因为 Jsoup 将尝试符合 HTML5 Parsing Rules , 从而添加缺失的元素并尝试修复损坏的文档结构。我敢肯定，如果您还运行以下命令，您会得到 1 作为返回:

Elements pe = htmlDom.select("head");
System.out.println("size  "+pe.size());

要在 Jsoup 不尝试清理或使您的 HTML 有效的情况下解析 HTML，您可以改为使用包含的 XMLParser，如下所示，它将按原样解析 HTML。

String customHtml = "<p>My First Heading</p><a href=\"www.google.com\">clk</a>";
Document customDoc = Jsoup.parse(customHtml, "", Parser.xmlParser());

因此，与您在问题评论中的假设相反，这很可能与 Jsoup 相关。