如何在Jsoup解析中避免围绕html head标签
我使用Jsoup尝试解析给定的html内容。在Jsoup.parse（）之后，html输出将html，head和body标签附加到输入中。我只想忽略这些。
输入样例：
<p><b>This <i>is</i></b> <i>my sentence</i> of text.</p>
Java代码：
import java.io.File;
import java.io.IOException;
import org.apache.commons.io.FileUtils;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
public class HTMLParse {
public static void main(String args[]) throws IOException {
try{
File input = new File("/ab.html");
String html = FileUtils.readFileToString(input, null);
Document doc = Jsoup.parseBodyFragment(html);
doc.outputSettings().prettyPrint(false);
System.out.println(doc.html());
}
catch(Exception e){
e.printStackTrace();
}
}
}
实际输出：
<html><head></head><body><p><b>This <i>is</i></b> <i>my sentence</i> of text.</p>
</body></html>
预期产量：
<p><b>This <i>is</i></b> <i>my sentence</i> of text.</p>
请帮忙。
问题答案：
原因：
parseBodyFragment()以及所有其他的parse()-方法使用 的HTML解析器 的 默认 。而那些加 总
的HTML壳牌（<html>…</html>，<head>…</head>等等）。
解决方案：
只是不要使用HTML解析器，而应使用 XML解析器 ;-)
Document doc = Jsoup.parse(html, "", Parser.xmlParser());
替换该单行，您的问题就解决了。
例：
final String html = "<p><b>This <i>is</i></b> <i>my sentence</i> of text.</p>";
Document docHtml = Jsoup.parse(html);
Document docXml = Jsoup.parse(html, "", Parser.xmlParser());
System.out.println("******* HTML *******\n" + docHtml);
System.out.println();
System.out.println("******* XML *******\n" + docXml);
输出：
******* HTML *******
<html>
<head></head>
<body>
<p><b>This <i>is</i></b> <i>my sentence</i> of text.</p>
</body>
</html>
******* XML *******
<p><b>This <i>is</i></b> <i>my sentence</i> of text.</p>
-
我正在尝试转义字符串中的XML特殊字符。转义由静态方法处理，如下所示。 现在，这种实现的问题是，我得到了一段字符串，它可能被解析，也可能不被解析。这导致输出不规则。 例如： 现在，为了得到正确的响应，我计划在静态方法中引入一个检查。通过使用if条件，如下所示。 这是一种正确的实施方式吗？如果不是，请提出建议？
-
我试图在这里使用JSOUP解析html标记。我对jsoup是新来的。基本上，我需要解析这些标记，获取这些标记中的文本，并应用class属性中提到的样式。 我正在创建一个SpannableStringBuilder，它可以创建子字符串，应用样式，并将它们附加到没有样式的文本中。 我不确定如何解析不在任何标记之间的字符串，例如“there are”和“worker from the”。 需要输出，例如
-
问题内容： 我有以下选择查询创建： jOOQ生成以下查询： 查询应为： 后者查询在PostgreSQL中完美地工作。表别名不应用引号引起来。 这是一个错误吗？ （请注意，该查询非常愚蠢。我正在使用jOOQ进行评估。） 以下“黑客”作品： 问题答案： 默认情况下，jOOQ会将所有标识符包装在引号中，以便能够正确处理区分大小写的情况。 令人困惑的部分是为什么这么做并不是为了做到而是为了做到。原因是jO
-
问题内容： 我目前正在使用DOM解析器来解析XHTML文档，例如： 我的问题是，当我的文档包含一个实体引用时，例如： 我的解析器为包含“€”而不是“＆euro;”的内容创建了一个Text节点。这就是说，它正在按预期的方式解析实体（XHTML 1.0 Strict DTD链接到ENTITIES Latin1 DTD，这反过来确定了“＆euro;”与“€”的对等）。 问题是，我不希望解析器执行此类操作
-
我实际上正在用Java开发一个文本解析器，有人要求我通过用它解析HTML来增强它。解析器的目的是将被解析的文件分成另外三个文件，一个包含文件中包含的所有单词，一个包括所有句子，另一个包含所有问题。 *.txt部分工作得很好，但我在解析HTML时遇到了一个问题。 我创建了一个扩展名为*.txt的临时文件，并将其在我的文本解析器中传递，但是如果我传递一个带有HTML文件链接的URL，其格式如下所示：
-
问题内容： 对于stackoverflow社区，我创建了此方法以将一些EditText字段翻倍。我添加了if语句专门用于避免解析错误，因为我知道我的几个EditText字段将留为空白。但是，它们仍然在运行时继续运行。有人知道避免解析空白字段的正确方法吗？非常感谢你。 问题答案： 你为什么不尝试这样的事情？ 编辑：请注意，这未经测试…此处没有编译器。：’（ 由于如果字符串为null，则抛出Numbe