jsoup解析非典型标记

Question

我可以使用jsoup来解析非标准标记，例如<LOCATION>，<PERSON>或<ORGANIZATION>吗？

这是我的语料库中的一个例句：

I HAD been hearing about vineyards in <LOCATION>Malibu</LOCATION> for some time,  
but I wrote them off. Had to be a tourist gimmick, like  
<PERSON>Knott</PERSON>'s <ORGANIZATION>Berry Farm</ORGANIZATION>  
or the LaBrea Tar Pits. <LOCATION>Malibu</LOCATION> was the playground of the stars,  
a surfers' mecca, but cabernet? No way.

我想提取类似的内容：

Location: Malibu
Person: Knott
Organization: Berry Farm

Answer 1

如果它不是HTML规范的一部分，则默认的parse方法将不会处理自定义标记。

但是，您可以告诉JSoup将其解析为XML：

Jsoup.parse(yourHtml, baseUriForLinks, Parser.xmlParser());

上面的命令将返回Document，您可以使用自定义标记进行操作。

<强>其中：

yourHtml - 自定义标记为String

的HTML

baseUriForLinks - HTML的基本网址（以便JSoup可以解析相关链接，如果有的话）也作为String