Question

当我解析本地HTML文件时，jsoup将锚元素中的引号更改为＆amp;模糊我的HTML。

让我们假设我想在以下HTML部分中将值“one”更改为“two”：

<div class="pg2-txt1">
  <a class="foo" appareantly_a_javascript_statement='{"targetId":"pg1-magn1", "ordinal":1}'>one</a>
</div>

我得到的是：

<div class="pg2-txt1">
  <a class="foo" appareantly_a_javascript_statement="{&quot;targetId&quot;:&quot;pg1-magn1&quot;, &quot;ordinal&quot;:1}">two</a>
</div>

需要锚元素内的引号。我的代码现在看起来像这样：

File input = new File("D:/javatest/page02.html");
Document doc = Jsoup.parse(input, "UTF-8");
Element div = doc.select("div.pg2-txt1").first(); //anchor element only identifyable by parent <div> class
div.child(0).text("one"); //actual anchor element

我试过

doc.outputSettings().prettyPrint(false);

没有成功。

我能用jsoup实现这个目标吗？我是否必须使用不同的解析器，它会是什么样子。

非常感谢你。

Answer 1

根据html spec JSoup表现得非常好：

默认情况下，SGML要求使用分隔所有属性值双引号（ASCII十进制34）或单引号标记（ASCII十进制39）。单引号可以包含在内当值由双引号分隔时的属性值，反之亦然。作者也可以使用数字字符引用代表双引号（＆＃34;）和单引号（＆＃39;）。双倍引号作者也可以使用字符实体引用"

注意最后一句！

基本上这意味着，您需要appareantly_a_javascript_statement属性中双引号的其他软件正在对其值进行一些不完整的解析。

我看到两个解决方案：

1）修改解释appeantly_a_javascript_statement值的函数

我无法帮助你，因为我不知道它在哪里完成。

2）通过正则表达式更改Jsoup输出。

这非常hacky ......

String html = doc.outerHtml();
boolean changed = false;
html = html.replaceAll("(=\"\\{)([^\"]+)(\")", "='{$2'");
do{
    int oldLength = html.length();  
    html = html.replaceAll("(=')([^']+)(\\&quot;)([^\']+)(')", "$1$2\"$4$5");
    changed = html.length() != oldLength;
}while(changed);
System.out.print(html);

jsoup - 停止jsoup制作报价＆amp;

1 个答案: