Question

我的htmlcontent包含大于和小于符号。但这些符号并未编码为＆amp; lt;和＆amp; gt;。为了平衡内容中的标签，我通过cyberneko html解析器传递内容。在解析大于和小于符号之间的内容之后，将丢弃。要解决这个问题，我必须在cyberneko html解析器中设置什么设置？

示例内容：

＆lt; div＆gt;平均响应时间服务器很重要，因为它的价值 282＆gt; 0毫秒＆LT峰; br＆GT; [阈值详细信息：如果值为关键＆gt; 0，如果value = 0则警告，如果值＆lt;清除 0]＆LT; / DIV＆GT;

解析nekohtml后

＆LT; DIV＆GT;＆LT峰; br＆GT; 0]＆LT; / DIV＆GT;

请帮忙。提前致谢

Answer 1

以下程序将输出

＆lt; div＆gt;平均响应时间服务器至关重要，因为它的值为282＆amp; gt; 0毫秒＆lt; br /＆gt; [阈值详细信息：如果值＆amp; gt;则为关键; 0，如果值= 0则警告，如果值＆amp; lt则清除; 0]＆LT; / DIV＆GT;

package test;

import java.io.StringReader;

import javax.xml.transform.Transformer;
import javax.xml.transform.TransformerFactory;
import javax.xml.transform.dom.DOMSource;
import javax.xml.transform.stream.StreamResult;

import org.apache.xerces.dom.DocumentImpl;
import org.cyberneko.html.parsers.DOMFragmentParser;
import org.w3c.dom.Document;
import org.w3c.dom.DocumentFragment;
import org.xml.sax.InputSource;

public class TestHTMLDOMFragment {
    private static final String PARSE_TEXT = "<div>Average Response Time server is critical because its value 282 > 0 ms. <br>[Threshold Details : Critical if value > 0, Warning if value = 0, Clear if value < 0]</div>";

    public static void main(String[] argv) throws Exception {
        DOMFragmentParser parser = new DOMFragmentParser();

        // output the elements in lowercase, nekohtml doesn't do this by default
        parser.setProperty("http://cyberneko.org/html/properties/names/elems","lower");

        // if this is set to true (the default, you dont need to specifiy this)
        // then neko html wont and an html,head and body tags to the response.
        parser.setFeature("http://cyberneko.org/html/features/document-fragment",true);

        Document document = new DocumentImpl();
        DocumentFragment fragment = document.createDocumentFragment();

        // parse the document into a fragment
        parser.parse(new InputSource(new StringReader(PARSE_TEXT)), fragment);

        TransformerFactory transformerFactory = TransformerFactory.newInstance();
        Transformer transformer = transformerFactory.newTransformer();
        // don't display the namespace declaration
        transformer.setOutputProperty("omit-xml-declaration", "yes");
        DOMSource source = new DOMSource(fragment);
        StreamResult result = new StreamResult(System.out);
        transformer.transform(source, result);

    }
}

上面代码中的注释显示了我使用过的解析器设置。

我还使用了org.cyberneko.html.parsers.DOMFragmentParser，因为可能也在解析只是html片段的文本

我正在使用nekohtml 1.9.14

如果你使用maven，这里是pom.xml依赖项部分......

<dependencies>
    <dependency>
        <groupId>net.sourceforge.nekohtml</groupId>
        <artifactId>nekohtml</artifactId>
        <version>1.9.14</version>
        <type>jar</type>
    </dependency>
</dependencies>

cyberneko html设置忽略未编码的大于和小于符号

1 个答案: