解析时创建新元素的Jsoup

Question

我在标签的帮助下格式化了以下数据（即，因为它缺少XML声明而不是完全符合规范的XML）：

<TAG1>test</TAG1>
<TAG2>another<inner>tag</TAG2>

以上就是我发送给Jsoup解析的内容。如您所见，内部有一个<inner>标记，这是预期的。它还预计这个<inner>标签不会有封闭标签（实际上它只是其他东西的占位符 - 我无法改变这种设计）。 问题是，在将此XML发送到parse方法后，Jsoup会自动创建</inner>标记，从而弄乱原始内容。

有没有办法让Jsoup只考虑完全打开和关闭的标签？ 在这种情况下，TAG1应包含内容test，而TAG2应包含内容another<inner>tag。这是我需要的结果。常规XML解析器不起作用，因为我的数据不是完整的XML，而实际上只是按标签组织的数据。

谢谢！

Answer 1

没有触及代码，我猜不可能。已打开但未关闭的标签无效html。

您必须在此处构建解决方法。根据输入html的大小，您可以编写一些代码，自动关闭这些代码。对于小部件，您可以使用 regex （请注意：对于较大的Html，最好使用javas regex Parser类）。

示例：

String html = "<TAG1>test</TAG1>\n"
        + "<TAG2>another<inner>tag</TAG2>";

html = html.replaceAll("(?is)<inner>", "<inner />"); // use regex to close that tags

/*
 * If you dont want / need body / head tags, you can use an XML-Parser, else do as usual.
 */ 
Document doc = Jsoup.parse(html, "", Parser.xmlParser());

System.out.println(doc);

这是输出：

<tag1>
 test
</tag1> 
<tag2>
 another
 <inner />tag
</tag2>

即使是一个如此封闭的标签出现问题，你也必须进一步走正则表达式。