Jsoup.parse 返回无效的 HTML答案

【问题标题】：Jsoup.parse returning invalid HTMLJsoup.parse 返回无效的 HTML
【发布时间】：2016-03-23 03:19:25
【问题描述】：

我正在使用 Jsoup 解析任意 HTML，到目前为止它运行良好，但我遇到了问题。当给定以下 HTML 时，Jsoup 返回无效的 HTML（多余的位被删除）：

<div>
  <a href=''>
    <img src='' alt='The problem is here "I'm not sure what to do"'>
  </a>
</div>

我有一个alt 标签，用单引号括起来，其中包含未转义的单引号和双引号，不幸的是我无法控制输入。当我通过Jsoup.parse 运行它时，我得到了这个：

<div>
  <a href="">
    <img src="" alt="The problem is here &quot;I" m not sure what to do"'>
  </a>
</div>

img 标签末尾的那两个未闭合的引文把我搞砸了。我希望 Jsoup 能给我一些类似的东西：

<div>
  <a href="">
    <img src="" alt="The problem is here &quot;I'm not sure what to do&quot;">
  </a>
</div>

有没有办法让这成为可能？

【问题讨论】：

标签： html jsoup

【解决方案1】：

jsoup的首页广告：

jsoup 实现了 WHATWG HTML5 规范，并将 HTML 解析为与现代浏览器相同的 DOM。

……这就是它正在做的事情。

所以，不，你不能让它按照你想要的方式解析代码。

在将内容传递给 jsoup 之前，您需要修复错误。

【讨论】：

【解决方案2】：

你可以试试这个：

<div>
  <a href="">
    <img src="" alt="The problem is here &#34;I&#39;m not sure what to do&#34;">
  </a>
</div>

【讨论】：