Question

我做了一些研究，似乎标准Jsoup做了这个改变。我想知道是否有办法配置这个或者是否有其他的Parser我可以转换为Jsoup的文档，或者某种方法来解决这个问题？

Answer 1

不幸的是，Tag类的构造函数将名称更改为小写：

private Tag(String tagName) {
    this.tagName = tagName.toLowerCase();
}

但是有两种方法可以改变这种行为：

如果您需要 clean 解决方案，可以克隆/下载JSoup Git并更改此行。
如果您想要脏解决方案，可以使用反射。

＃2的示例：

Field tagName = Tag.class.getDeclaredField("tagName"); // Get the field which contains the tagname
tagName.setAccessible(true); // Set accessible to allow changes

for( Element element : doc.select("*") ) // Iterate over all tags
{
    Tag tag = element.tag(); // Get the tag of the element
    String value = tagName.get(tag).toString(); // Get the value (= name) of the tag

    if( !value.startsWith("#") ) // You can ignore all tags starting with a '#'
    {
        tagName.set(tag, value.toUpperCase()); // Set the tagname to the uppercase
    }
}

tagName.setAccessible(false); // Revert to false

Answer 2

版本1.9.3中引入了ParseSettings类。它附带了保留标签和属性的大小写的选项。

Answer 3

以下是代码示例（版本＆gt; = 1.11.x）：

Parser parser = Parser.htmlParser();
parser.settings(new ParseSettings(true, true));
Document doc = parser.parseInput(html, baseUrl);

Answer 4

您必须使用xmlParser而不是htmlParser，并且标记将保持不变。一行就能解决问题：

String html = "<camelCaseTag>some text</camelCaseTag>";
Document doc = Jsoup.parse(html, "", Parser.xmlParser());

Answer 5

我使用的是没有这段代码的1.11.1-SNAPSHOT版本。

private Tag(String tagName) {
    this.tagName = tagName.toLowerCase();
}

所以我按照上面的建议检查了ParseSettings并更改了以下代码：

static {
    htmlDefault = new ParseSettings(false, false);
    preserveCase = new ParseSettings(true, true);
}

为：

static {
    htmlDefault = new ParseSettings(true, true);
    preserveCase = new ParseSettings(true, true);
}

并在构建JAR时跳过了测试用例。

Parser JSoup将标记更改为小写字母

5 个答案: