文章/答案/技术大牛

发布

问Jsoup片段丢弃HTML标记
EN

Stack Overflow用户

提问于 2012-10-02 15:48:12

回答 1查看 1.3K关注 0票数 2

我有点进退两难。我需要通过JSoup解析一个HTML块，这个块后来被传递给另一个处理jsoup元素的类。不幸的是，当我将一个块传递给表示表一部分的Jsoup时，出于某种奇怪的原因，jsoup只是抛出了所有的html，只给了我文本。下面是一个示例：

<tr>
   <td>Declared</td>
   <td>Other Supported Languages</td>
   <td>/ATP_ETK_89078_1006/atp_etk_89078_1006_p4/nonshared/E-trak_API_Build/obfuscated/vna.dll</td>
   <td align="right">1519616</td>
   <td align="right"></td>
   <td align="right"></td>
   <td>COM DEV</td>
   <td>Unspecified</td>
   <td>License for COM DEV</td>
   <td>Component (Dynamic Library)</td>
   <td>100%</td>
   <td style="text-align: center;"></td>
   <td></td>
   <td></td>
   <td valign="top"></td>
</tr>
<tr>
   <td>Declared</td>
   <td>Other Supported Languages</td>
   <td>/ATP_ETK_89078_1006/atp_etk_89078_1006_p4/nonshared/E-trak_API_Build/obfuscated/vna.dll</td>
   <td align="right">1519616</td>
   <td align="right"></td>
   <td align="right"></td>
   <td>COM DEV</td>
   <td>Unspecified</td>
   <td>License for COM DEV</td>
   <td>Component (Dynamic Library)</td>
   <td>100%</td>
   <td style="text-align: center;"></td>
   <td></td>
   <td></td>
   <td valign="top"></td>
</tr>

这是片段，正如您所看到的，它只是表示来自一个表的两行。

然而，Jsoup产生了以下内容：

<html>
   <head></head>
   <body> 
   Declared Other Supported Languages /ATP_ETK_89078_1006/atp_etk_89078_1006_p4/nonshared/E-trak_API_Build/obfuscated/vna.dll 1519616   COM DEV Unspecified License for COM DEV Component (Dynamic Library) 100%     
   Declared Other Supported Languages /ATP_ETK_89078_1006/atp_etk_89078_1006_p4/nonshared/E-trak_API_Build/obfuscated/vna.dll 1519616   COM DEV Unspecified License for COM DEV Component (Dynamic Library) 100%           
   </body>
</html>

现在，如果表的原始头(包括表打开/关闭标头)在那里，它似乎可以工作，但这违背了这个片段解析的全部目的，因为HTML文档可能会变得相当庞大。

任何帮助都将不胜感激。

parsing

jsoup

html

回答 1

Stack Overflow用户

发布于 2012-10-03 11:21:20

用JSoup 1.7.1测试->相同的问题。

我想，唯一的方法是将您的片段包装到一个table-tag中。

String html = ... // your html
Document doc = Jsoup.parse(html);
// doesn't work as you said


String html = ... // your html
Document doc = Jsoup.parse("<table>" + html + "</table>");
// works

我不知道在你的情况下你是如何使用J汤的，但也许你可以这样想：

public String doSomethingWithFragment(String html)
{
    Document doc = Jsoup.parse("<table>" + html + "</table>");
    Elements fragment = doc.select("tbody > *");

    // Do something with 'fragment' here ...
}

在这个例子中，fragment就像上面发布的一样包含了HTML，您可以用它做进一步的事情。

我知道这是一个非常奇怪的解决办法--添加一些东西，并在下一步删除它。但是无论如何..。有用(我希望) :-) .

票数 0

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/12693739

复制

相似问题

问Jsoup片段丢弃HTML标记
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Jsoup片段丢弃HTML标记EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Jsoup片段丢弃HTML标记
EN