使用 jsoup 解析 XML - 防止 jsoup “清理”<链接> 标记

java xml xml-parsing jsoup

2022-09-03 09:36:56

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

那么如何防止jsoup“清理”标签呢？<link>

答案 1

在 jsoup 1.6.2 中，我添加了一个 XML 解析器模式，该模式按原样解析输入，而不应用 HTML5 解析规则（元素内容、文档结构等）。此模式将文本保留在标记中，并允许其多个，依此类推。<link>

下面是一个示例：

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());

返回：

Link text 1: One
Link text 2: Two

答案 2

不要在元素内存储任何文本 - 它是无效的。如果您需要额外的信息，请将其保留在HTML5属性中。我敢肯定jsoup不会碰它。<link>data-*

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