Question

我正在使用jsoup解析HTML文档并对其进行一些分析。

解析后，有没有任何方法来确定给定属性是用双引号，单引号引起来还是不使用引号引起来？

换句话说，有什么办法可以区分以下内容：

Document foo = Jsoup.parse("<html><body><a name=\"value\"></body></html>");
Document bar = Jsoup.parse("<html><body><a name='value'></body></html>");
Document baz = Jsoup.parse("<html><body><a name=value></body></html>");

理想情况下，Attribute将具有布尔值isDoubleQuoted()，isSingleQuoted()和isUnquoted()，或者类似的值。

Jsoup似乎只是在解析过程中丢弃了该信息，这很可悲，因为我需要知道进行分析。

但是也许我缺少什么？：）

请注意，我不能简单地在原始字符串上使用正则表达式。我正在分析的文档可以任意复杂，并且任何给定的属性（即键/值对）在文档中可能会出现多次。因此，简单地为键/值映射“ grep”（例如，查看我用jsoup解析的字符串是否包含name=value或name='value'或name="value"）将无法工作找出答案（尽管这是一个近似值，尽管不能令人满意，但我可能不得不忍受直到找到更好的解决方案为止）。

Answer 1

以防万一有人感兴趣：我仔细研究了jsoup，并确认在解析过程中丢弃了如何引用特定属性值的信息。当然，它在解析过程中（有必要）可用，但是基本上被丢弃了，并且没有存储在结果DOM树中。

我创建了一个拉取请求，以将缺少的功能添加到jsoup：https://github.com/jhy/jsoup/pull/1114。

不确定将PR加入jsoup的机会有多大。该项目目前有40个待处理的拉取请求（包括矿山），其中最古老的请求可追溯到2011年秋季（七年前）。另一方面，一些PR很快就被合并了。 PR的最新合并可以追溯到大约2个月前，并且PR在提交后仅几天就被合并了。让我们来看看。在此之前，要有一个稳定的jsoup版本添加此功能，否则我至少可以使用自己的fork。

我可以使用jsoup确定HTML属性是用单引号还是双引号引起来（或不包括）？

1 个答案: