Jsoup 值不正确的孩子大小答案

【问题标题】：Jsoup incorrect value children sizeJsoup 值不正确的孩子大小
【发布时间】：2014-08-12 02:33:41
【问题描述】：

Jsoup 不正确计算孩子的数量：

    Document document = Jsoup
            .parse(testString);

    Element div = document.select("div").first();
    Elements divChildren = div.children();
    System.out.println(divChildren.size());

例如，如果 testString =

<div><div><p>text1</p></div><p>text2</p></div>

或

<div><h1><p>text1</p></h1><p>text2</p></div>

然后 divChildren.size() = 2

如果 testString =

<div><p><p>text1</p></p><p>text2</p></div>

然后 divChildren.size() = 4

我做错了什么？

【问题讨论】：

标签： java html parsing dom jsoup

【解决方案1】：

因为this：

P 元素代表一个段落。它不能包含块级元素（包括 P 本身）。

【讨论】：

但在现实世界中经常发现，因为在最后一种情况下，只获得等于 2 的直接子代？

【解决方案2】：

如果你看看document在解析后持有什么

String testString ="<div><p><p>text1</p></p><p>text2</p></div>";

你会看到

<html>
 <head></head>
 <body>
  <div>
   <p></p>
   <p>text1</p>
   <p></p>
   <p>text2</p>
  </div>
 </body>
</html>

由于 @Rejesh pointed p 不能包含其他块级元素，例如 p 本身，因此 Jsoup 通过关闭此类不正确的外部 p 元素（打开标签和关闭标签的单独关闭）来防止它。你的情况

    <p><p>text</p></p>

会变成

<strong><p></p></strong><p>text1</p><strong><p></p></strong>

所以你的div

<div><p><p>text1</p></p><p>text2</p></div>

将被解析为

  <div>
   <p></p>
   <p>text1</p>
   <p></p>
   <p>text2</p>
  </div>

如您所见，有 4 个孩子（两个空的 p 和两个带有文本的 p）。

如果你想关闭这个验证机制，你可以使用 XML 解析器而不是标准的 HTML 解析器

String testString ="<div><p><p>text1</p></p><p>text2</p></div>";

Document document = Jsoup.parse(testString,"",Parser.xmlParser());
System.out.println(document);
Element div = document.select("div").first();
Elements divChildren = div.children();
System.out.println(divChildren.size());

现在将打印 2。

【讨论】：

非常感谢您的详细回复！