Jsoup 用自闭文本区域弄乱 HTML

Question

我正在使用 Jsoup 稍微改变一个 HTML，这个 HTML 有一些由网站的发布者注入的部分。 解析 HTML 时发生了一些奇怪的事情。 每当它有一个自动关闭的文本区域（我知道这是无效的，但出版商有时会这样做）时，以下元素会被转义，因为它们是文本区域的一部分，如下所示：

<div>
<div>
<textarea/>
</div>
</div>

变成

<div>
<div>
<textarea></textarea>
&lt;/div&gt;
&lt;/div&gt;

我希望它变成：

<div>
<div>
<textarea></textarea>
</div>
</div>

我可以做些什么来避免这种行为吗？

Answer 1

使用 XML 解析器，因此 Jsoup 不会尝试修复 HTML 语法。

Document doc = Jsoup.parse("<div><div><textarea/></div></div>", "", Parser.xmlParser());