Question

我想替换HTML文件中的一些元素，保持所有其他内容不变。

Document doc = Jsoup.parse("<div id=title>Old</div >\n" +
        "<p>1<p>2\n" +
        "<table><tr><td>1</td></tr></table>");
doc.getElementById("title").text("New");
System.out.println(doc.toString());

我希望得到以下输出：

<div id=title>New</span></div >
<p>1<p>2
<table><tr><td>1</td></tr></table>

相反，我有：

<html>
 <head></head>
 <body>
  <div id="title">New</div>
  <p>1</p>
  <p>2 </p>
  <table>
   <tbody>
    <tr>
     <td>1</td>
    </tr>
   </tbody>
  </table>
 </body>
</html>

Jsoup补充道：

关闭p标签
属性值的双引号
TBODY
html，头部和身体元素

我可以将修改后的HTML序列化为原始版本吗？ Jericho做到了这一点，但它没有像Jsoup那样提供灵活的DOM操作方法。

Answer 1

是否有理由不引用属性值？请参阅here和here。

对于其他要点，请尝试：

final String html = "<div id=title>Old</div >\n"
            + "<p>1<p>2\n"
            + "<table><tr><td>1</td></tr></table>";

Document doc = Jsoup.parse(html);
doc.select("[id=title]").first().text("New");
doc.select("body, head, html, tbody").unwrap();
doc.outputSettings().prettyPrint(false);

System.out.println(doc);

使用jsoup解析HTML并保留原始内容

1 个答案: