jsoup -阻止jsoup对

Question

当我解析本地HTML文件时，jsoup将锚元素中的引号改为

假设我想将下面HTML部分中的值“一”改为“二”:

<div class="pg2-txt1">
  <a class="foo" appareantly_a_javascript_statement='{"targetId":"pg1-magn1", "ordinal":1}'>one</a>
</div>

我得到的是：

<div class="pg2-txt1">
  <a class="foo" appareantly_a_javascript_statement="{&quot;targetId&quot;:&quot;pg1-magn1&quot;, &quot;ordinal&quot;:1}">two</a>
</div>

锚点元素内的引号是必需的。我的代码现在看起来像这样：

File input = new File("D:/javatest/page02.html");
Document doc = Jsoup.parse(input, "UTF-8");
Element div = doc.select("div.pg2-txt1").first(); //anchor element only identifyable by parent <div> class
div.child(0).text("one"); //actual anchor element

我试过了

doc.outputSettings().prettyPrint(false);

没有成功。

我可以用jsoup实现这一点吗？我必须使用不同的解析器吗？那看起来会是什么样子。

提前非常感谢你。

Answer 1

根据html规范，JSoup表现完全良好：

默认情况下，SGML要求使用双引号（ASCII十进制34）或单引号（ASCII十进制39）分隔所有属性值。当值由双引号分隔时，单引号可以包含在属性值中，反之亦然。作者也可以使用数字字符引用来表示双引号（"）和单引号（'）。对于双引号，作者还可以使用字符实体引用

注意最后一句话！

基本上，这意味着，在appareantly_a_javascript_statement属性中需要双引号的其他软件正在对其值进行一些不完整的解析。

我认为有两种解决方案:

1） 修改解释appareanly_a_javascript_statement值的函数

我不能在那里帮助你，因为我不知道它在哪里完成。

2)通过正则表达式更改Jsoup输出。

这是相当hacky...

String html = doc.outerHtml();
boolean changed = false;
html = html.replaceAll("(=\"\\{)([^\"]+)(\")", "='{$2'");
do{
    int oldLength = html.length();  
    html = html.replaceAll("(=')([^']+)(\\")([^\']+)(')", "$1$2\"$4$5");
    changed = html.length() != oldLength;
}while(changed);
System.out.print(html);