使用 jsoup 解析 XML - 防止 jsoup “清理” <link> 标签答案

【问题标题】：Use jsoup to parse XML - prevent jsoup from "cleaning" <link> tags使用 jsoup 解析 XML - 防止 jsoup “清理” <link> 标签
【发布时间】：2011-07-17 06:31:52
【问题描述】：

在大多数情况下，我使用 jsoup 解析 XML 没有问题。但是，如果 XML 文档中有<link> 标签，jsoup 会将<link>some text here</link> 更改为<link />some text here。这使得无法使用 CSS 选择器提取 <link> 标记内的文本。

那么如何防止jsoup“清理”<link>标签呢？

【问题讨论】：

只需使用 ignoreContentType(true)。我用了这个答案：stackoverflow.com/questions/27708009/…

标签： java xml-parsing jsoup link-tag

【解决方案1】：

在jsoup 1.6.2 中，我添加了一个 XML 解析器模式，它按原样解析输入，而不应用 HTML5 解析规则（元素内容、文档结构等）。此模式会将文本保留在 <link> 标记中，并允许其倍数等。

这是一个例子：

String xml = "<link>One</link><link>Two</link>";
Document xmlDoc = Jsoup.parse(xml, "", Parser.xmlParser());

Elements links = xmlDoc.select("link");
System.out.println("Link text 1: " + links.get(0).text());
System.out.println("Link text 2: " + links.get(1).text());

Link text 1: One
Link text 2: Two

【讨论】：

@Jonathan Hedley：但是如果您使用 JSOUP.Connect 检索 XML 文档，您将如何使用它？因为那样我们根本就没有 xml 的字符串版本。
@Ashwin 您只需指定要在连接上使用的解析器。例如。 Jsoup.connect(url).parser(Parser.xmlParser()).get()。请参阅Connection 文档

【解决方案2】：

不要在 <link> 元素中存储任何文本 - 这是无效的。如果您需要额外信息，请将其保存在 HTML5 data-* 属性中。我敢肯定 jsoup 不会碰它。

<link rel="..." data-city="Warsaw" />

【讨论】：

【解决方案3】：

可以有一个解决方法。在将 XML 传递给 jsoup 之前。转换 XML 文件，用一些虚拟标签替换所有内容，然后做你想做的事。

【讨论】：