首页 / JAVA / java-Jsoup解析和嵌套标签

java-Jsoup解析和嵌套标签

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了java-Jsoup解析和嵌套标签，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含2667字，纯文字阅读大概需要4分钟。

内容图文

我正在学习Jsoup,并具有以下HTML：

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

我使用Jsoup.parse()和文档select(“ p”)捕获“内容”(效果很好).但…

 [...]
 <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& 5)保持嵌套段落的顺序？

添加示例：

HTML档案：

 <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>

是正确的吗？我使用的是Jsoup 1.6.1.我知道Jsoup应该返回嵌套的段落,而不是先前的返回.

解决方法:

嵌套的段落在HTML中不存在.从Jsoup implements the WHATWG HTML5 specification开始,上一段自动关闭：

> p标签会通过以下任意一种自动关闭：地址,商品,旁边,blockquote,div,dl,字段集,页脚,表格,h1,h2,h3,h4,h5,h6,标头,hgroup,hr,main ,菜单,nav,ol,p,pre,section,table或ul.因此,< p>< div>< / div>变成< p< / p> div< / div>.
>没有对应的开始标签的名称为p(即/ p)的结束标签是解析错误,并被< p>代替.因此< span> / span< / p>变为< span> / span< p>.

因此,jsoup是正确的,您的HTML无效.

请确保您理解HTML无效,因为您有太多< / p>而不是因为“嵌套”段落.无法嵌套,因为它们会自动关闭.但是后面的< / p>之所以过时,是因为“相应的”< p>之前已经自动关闭.

内容总结

以上是互联网集市为您收集整理的java-Jsoup解析和嵌套标签全部内容，希望文章能够帮你解决java-Jsoup解析和嵌套标签所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/655045.html

来源：【匿名】