java - 使用 JSOUP 解析表中的表

Question

我试图通过使用 jsoup 解析 HTML 来从表中提取一些数据。

这是一个例子，

String tableHtml =
     "<table>
           <thead>
                <tr><th> 
                     <table>
                         <tr><td>asdf</td></tr>
                     </table> 
                     <table>
                          <tr><td>asdf</td></tr>
                     </table>
                 </th></tr>
           </thead> 
           <tfoot>
                <tr><td>
                   THE TEXT I WANT TO GET
                </td></tr>
           </tfoot> 
     </table>";

Document doc = Jsoup.parseBodyFragment(tableHtml);
Element table = doc.select("table").first();
Element r = table.select("tfoot").first(); // I get NULL here/// WHY???
System.out.println("-----------" + r.text());

我得到空指针异常!

但是，如果我删除其中一个内部表，我不会遇到异常并且它可以工作。另外，如果我更改标签 <th>至<td> ， 有用。奇怪的行为。这只是我试图解析的真实 html 的一个例子。如果有人能指出我为什么会得到这个异常(exception)，我将不胜感激。谢谢。

注意。请假设我无法修改 HTML。我只想按原样解析它。

Answer 1

也许不使用 HTML 解析器(显然不完全支持这种嵌套表)而使用 XML 解析器。尝试使用

Document doc = Jsoup.parse(tableHtml,"",Parser.xmlParser());
Element table = doc.select("table").first();
Element r = table.select("tfoot").first(); 
System.out.println("->" + r.text());