使用 Jsoup 存在 HTML 标签答案

【问题标题】：Presence of HTML tags using Jsoup使用 Jsoup 存在 HTML 标签
【发布时间】：2013-02-15 19:21:04
【问题描述】：

使用 Jsoup 可以轻松计算特定标签在文本中出现的次数。例如，我试图查看给定文本中存在多少次锚标记。

    String content = "<p>An <a href='http://example.com/'><b>example</b></a> link.</p>. <p>An <a href='http://example.com/'><b>example</b></a> link.</p>. <p>An <a href='http://example.com/'><b>example</b></a> link.</p>. <p>An <a href='http://example.com/'><b>example</b></a> link.</p>";
    Document doc = Jsoup.parse(content);
    Elements links = doc.select("a[href]"); // a with href
    System.out.println(links.size());

这给了我 4 的计数。如果我有一个句子并且我想知道该句子是否包含任何 html 标签，那么 Jsoup 可以吗？谢谢。

【问题讨论】：

标签： java html tags jsoup

【解决方案1】：

用正则表达式可能会更好，但是如果你真的要使用JSoup，那么你可以尝试匹配所有元素，然后减去4，因为JSoup会自动添加四个元素，即首先是根元素，然后是 <html>、<head> 和 <body> 元素。

这大概看起来像：

// attempt to count html elements in string - incorrect code, see below 
public static int countHtmlElements(String content) {
    Document doc = Jsoup.parse(content);
    Elements elements = doc.select("*");
    return elements.size()-4;
}

但是，如果文本中包含<html>、<head> 或<body>，则会产生错误结果；比较结果：

// gives a correct count of 2 html elements
System.out.println(countHtmlElements("some <b>text</b> with <i>markup</i>"));
// incorrectly counts 0 elements, as the body is subtracted 
System.out.println(countHtmlElements("<body>this gives a wrong result</body>"));

因此，要完成这项工作，您必须单独检查“魔术”标签；这就是为什么我觉得正则表达式可能更简单。

更多失败的尝试使这项工作：使用 parseBodyFragment 而不是 parse 没有帮助，因为 JSoup 以相同的方式对其进行了清理。同样，计数为doc.select("body *"); 可以省去减去 4 的麻烦，但如果涉及<body>，它仍然会产生错误的计数。只有当您的应用程序确定要检查的字符串中不存在<html>、<head> 或<body> 元素时，它才可能在该限制下工作。

【讨论】：

谢谢。 doc.select("*") 对我有用，因为我的 html 不包含您提到的标签。但是，是的，我意识到正则表达式会更好地解决这个问题。