Jsoup解析器问题

Question

我正在使用Jsoup解析短html文档，该文档包含对结果进行某些逻辑操作所需的一些自定义标记

这样地：

<table><showif field="xxx"><tr><td>test</test></td></tr></showif><tr><td>xyz</td></tr></table>

Document doc = Jsoup.parse(html);
Elements showif_fields = doc.select("SHOWIF[field]");

在这种情况下，内部内容似乎丢失了，outerHtml（）方法显示如下：

<showif value="xxx"></showif>

但是如果“show if”标签包含一个简单的文本，比如你好，它就会像预期的那样工作。

有什么想法吗？谢谢你。

Answer 1

问题是Jsoup已经“净化”了你的HTML。作为一个快速测试，我将您的HTML粘贴到一个页面中，并使用我的浏览器查看它（它也会对其进行清理）。它告诉我HTML实际上看起来像：

<showif value="xxx"/>
<table><tbody><tr><td>test</td></tr><tr><td>xyz</td></tr></tbody></table>

这是因为在

（编辑：现在运行Jsoup，如果我查看doc.outerHtml（），它确实会创建类似的输出。）

如果你真的需要使用非标准的东西来注释你的页面，你可能会在非标准属性上有更好的运气，比如：

<table>
  <tr showif="xxx"><td>test</test></td></tr>
  <tr><td>xyz</td></tr>
</table>

然后你可以说：元素showif_fields=doc.select（"*[show if]"）；

<tr showif="xxx">
   <td>test</td>
</tr>

asshowif_fields.outerHtml（）。

然后，您最好使用另一种方法，例如jQuery模板或Mustache（以及许多其他）之类的javascript模板引擎，它在执行一些逻辑后插入生成的HTML，而不是将内容加载到页面上，然后进行修复。这当然取决于你的要求，我对你的要求了解不够，无法判断这个建议是否合理。编辑：不，这毫无意义，因为Jsoup是服务器端，请参阅下面的注释。

Answer 2

您遇到的问题是，表内容的HTML规范非常严格，因此您的未知标记在表之外得到了培养。（Jsoup这样做是为了匹配HTML规范，以便尽可能地匹配浏览器行为。）

在这种情况下，您知道自己在做什么，并且正在创建超文本标记语言，因此您可以设置jSoup忽略超文本标记语言规范，并在看到标签时处理它们。使用XML解析器执行此操作：

Document doc = Jsoup.parse(html, baseUri, Parser.xmlParser());