java JSOUP将原始html转换为一些额外的编码值

3 周，4 日 Questions & Answers 747

我最初的html是

<!DOCTYPE html> <html xmlns:og="http://opengraphprotocol.org/schema/" xmlns:fb="http://www.facebook.com/2008/fbml" xmlns="http://www.w3.org/1999/xhtml" xml:lang="en" lang="en" class="SAF" id="global-header-light"> <head> </head> <body> <div style="background-image: url(http://aka-cdn-ns.adtech.de/rm/ads/23274/HPWomenLOFT_1381687318.jpg);background-repeat: no-repeat;-webkit-background-size: 1001px 2059px; height: 2059px; width: 1001px; text-align: center; margin: 0 auto;"> <div style="height:2058px; padding-left:0px; padding-top:36px;"> <iframe style="height:90px; width:728px;" /> </div> </div> </body> </html>

在我使用doc之后。JSOUP解析器在Iframe元素的末尾添加额外的编码值。更改的html是

<!DOCTYPE html> <html xmlns:og="http://opengraphprotocol.org/schema/" xmlns:fb="http://www.facebook.com/2008/fbml" xmlns="http://www.w3.org/1999/xhtml" xml:lang="en" lang="en" class="SAF" id="global-header-light"> <head> <style> </style> </head> <body> <div style="background-image: url(aol.jpeg); background-repeat: no-repeat;-webkit-background-size:90720;height:720; width:90; text-align: center; margin: 0 auto;"> <div style="height:450; width:100; padding-left:681px; padding-top:200px;"> <iframe style="height:1050px; width:300px;"></iframe> ***</div> </div> </body> </html>*** </div> </div> </body> </html>

请帮助我如何避免这种情况

谢谢斯瓦拉伊

# 1 楼答案

如果使用xmlParser解析它，它将不会添加额外的值。例如：

String html = "<!DOCTYPE html>" +
                "<html xmlns:og=\"http://opengraphprotocol.org/schema/\" xmlns:fb=\"http://www.facebook.com/2008/fbml\" xmlns=\"http://www.w3.org/1999/xhtml\" xml:lang=\"en\" lang=\"en\" class=\"SAF\" id=\"global-header-light\">" +
                "<head></head>" +
                "<body>" +
                "<div style=\"background-image: url(http://aka-cdn-ns.adtech.de/rm/ads/23274/HPWomenLOFT_1381687318.jpg);background-repeat: no-repeat;-webkit-background-size: 1001px 2059px; height: 2059px; width: 1001px; text-align: center; margin: 0 auto;\">" +
                "<div style=\"height:2058px; padding-left:0px; padding-top:36px;\">" +
                "<iframe style=\"height:90px; width:728px;\" /></div></div></body></html>";

Document doc = Jsoup.parse(html, "", Parser.xmlParser());
System.out.println(doc);

将输出：

<!DOCTYPE html>
<html xmlns:og="http://opengraphprotocol.org/schema/" xmlns:fb="http://www.facebook.com/2008/fbml" xmlns="http://www.w3.org/1999/xhtml" xml:lang="en" lang="en" class="SAF" id="global-header-light">
 <head></head>
 <body>
  <div style="background-image: url(http://aka-cdn-ns.adtech.de/rm/ads/23274/HPWomenLOFT_1381687318.jpg);background-repeat: no-repeat;-webkit-background-size: 1001px 2059px; height: 2059px; width: 1001px; text-align: center; margin: 0 auto;">
   <div style="height:2058px; padding-left:0px; padding-top:36px;">
    <iframe style="height:90px; width:728px;"></iframe>
   </div>
  </div>
 </body>
</html>

更新：

您可以先将远程文件作为字符串获取，然后像往常一样使用我的其余代码：

String url = request.getParameter("htmluri").trim(); 
System.out.println("Fetching %s..."+url); 
String xml = Jsoup.connect(url).get().toString();
Document doc = Jsoup.parse(xml, "", Parser.xmlParser());

Parser.xmlParser()是Jsoup的一部分（参见http://jsoup.org/apidocs/org/jsoup/parser/Parser.html）

Python中文网

有 Java 编程相关的问题?

java JSOUP将原始html转换为一些额外的编码值

共 (1) 个答案

# 1 楼答案