我是 jsoup 的新手，在处理非 HTML 元素(脚本)时遇到了一些困难。我有以下 HTML:
<$if not dcSnippet$>
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta http-equiv="generator" content="Outside In HTML Converter version 8.4.0"/>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<title></title>
</head>
<$endif$>
<div style="position:relative">
<p style="text-align: left; font-family: times; font-size: 10pt; font-weight: normal; font-style: normal; text-decoration: none"><span style="font-weight: normal; font-style: normal">This is a test document.</span></p>
</div>
<$if not dcSnippet$>
</body>
</html>
<$endif$>
用于显示它的应用程序知道如何处理那些
<html xmlns="http://www.w3.org/1999/xhtml"><head></head><body><$if not dcSnippet$>
<meta http-equiv="generator" content="Outside In HTML Converter version 8.4.0">
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
<title></title>
<$endif$>
<div style="position:relative">
<p style="text-align: left; font-family: times; font-size: 10pt; font-weight: normal; font-style: normal; text-decoration: none"><span style="font-weight: normal; font-style: normal">This is a test document.</span></p>
</div>
<$if not dcSnippet$>
<$endif$>
</body></html>
我的最终目标是添加一些 css 和 js 包含，并修改几个元素属性。这不是真正的问题，我已经解决了很多问题。问题是我不知道如何保留非 HTML 元素并将格式保持在与原始元素相同的位置。到目前为止，我的解决方案是这样的:
- 读入 HTML 文件，并遍历它，删除包含非 html 元素的行。
- 用纯 HTML 创建一个 Document 对象
- 进行我的修改
- 返回 HTML 并重新插入我首先删除的非 HTML 元素(脚本)。
- 将文档保存到文件系统
只要非 HTML 的位置是可预测的，就目前而言，这是可行的。但我想知道是否有更好的方法来执行此操作，这样我就不必先“清理” HTML，然后手动重新引入我稍后删除的内容。这是我的代码的要点(希望我没有错过太多声明):
String newLine();
FileReader fr = new FileReader(inputFile);
BufferedReader br = new BufferedReader(fr);
while ((thisLine = br.readLine()) != null) {
if (thisLine.matches(".*<\\$if.*\\$>")) {
ifStatement = thisLine + "\n";
} else if (thisLine.matches(".*<\\$endif\\$>")) {
endifStatement = thisLine + "\n";
} else {
tempHtml += thisLine + "\n";
}
}
br.close();
Document doc = Jsoup.parse(tempHtml, "UTF-8");
doc.outputSettings().prettyPrint(false).escapeMode(EscapeMode.extended);
Element head = doc.head();
Element body = doc.body();
Element firstDiv = body.select("div").first();
[... perform my element and attribute inserts ...]
body.prependText("\n" + endifStatement);
body.appendText("\n" + ifStatement);
String fullHtml = (ifStatement + doc.toString().replaceAll("\\<", "<").replaceAll("\\>", ">") + "\n" + endifStatement);
BufferedWriter htmlWriter = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(outputFile), "UTF-8"));
htmlWriter.write(fullHtml);
htmlWriter.flush();
htmlWriter.close();
非常感谢您的帮助或意见!
最佳答案
The problem is I don't know how to preserve the non-HTML elements and keep the formatting in the same place as the original.
Jsoup 是一个 HTML 解析器。您提供的“HTML 文件” 不包含HTML。它更像是一个用类似 HTML 的语言编写的模板文件。
因此，Jsoup 最多会将此模板文件 视为无效的 HTML 文件。这就是为什么所有非 HTML 元素都被转义的原因。
要实现您的需要，您必须编写自定义模板解析器。 Jsoup 确实提供了一些通用类，可以使这项任务变得非常容易。
但是，根据设计，这些通用类仅供内部使用。
这给我们留下了四个选择:
关于java - 使用 jsoup 解析保留非 HTML 元素，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/36753940/