转换html行时JSOUP缺少标记
JSoup是一款用于解析HTML文档的Java库。它提供了简单易用的API，可以方便地从HTML中提取数据，并进行DOM操作。在转换HTML行时，JSoup可以用于解析HTML文档并提取所需的内容。
JSoup的主要特点包括：
- 解析HTML：JSoup可以将HTML文档解析为DOM树结构，使得开发者能够方便地遍历、访问和操作HTML元素。
- 数据提取：JSoup支持使用CSS选择器或类似于jQuery的选择器语法来提取HTML文档中的特定元素。这样可以轻松地提取出所需的数据，方便后续处理或展示。
- DOM操作：JSoup提供了类似于jQuery的API，可以对解析后的HTML文档进行DOM操作，比如添加、删除、修改元素等。
- 防止XSS攻击：JSoup内置了一些安全机制，可以过滤和清理HTML文档中的潜在XSS攻击代码，保障网页安全。
- 支持HTTP请求：JSoup不仅可以解析本地HTML文件，还可以发送HTTP请求获取远程HTML文档，并进行解析和处理。
在实际应用中，JSoup的优势包括：
- 简单易用：JSoup提供了直观的API，使用起来非常简单，适合开发者快速上手。
- 强大的选择器：JSoup支持使用CSS选择器或类似于jQuery的选择器语法，可以灵活而精确地定位HTML文档中的元素。
- 处理复杂的HTML：JSoup能够处理复杂的HTML文档，包括嵌套的标签、属性和样式等。
- 兼容性好：JSoup对不规范的HTML文档也具有较好的兼容性，能够正确解析并提取其中的内容。
对于转换HTML行时，JSoup可以使用以下步骤：
- 导入JSoup库：首先需要将JSoup库引入到项目中，可以通过Maven或手动下载jar包的方式导入。
- 解析HTML：使用JSoup提供的API，可以将HTML文档解析为一个Document对象。
String html = "<html><body><p>Hello, World!</p></body></html>";
Document doc = Jsoup.parse(html);- 提取所需内容：根据具体需求，可以使用选择器语法或API来提取HTML文档中的特定元素或数据。
Element element = doc.select("p").first();
String text = element.text(); // 提取<p>标签中的文本内容- 进行其他处理：根据业务需求，可以对提取出的内容进行进一步处理，比如存储到数据库、生成新的HTML文档等。
总结起来，JSoup是一个功能强大、简单易用的Java库，适用于解析和处理HTML文档。它可以用于转换HTML行、提取数据和进行DOM操作等场景。腾讯云没有专门的相关产品或服务与JSoup直接相关，因此无法给出腾讯云的产品介绍链接地址。
相关·内容
2回答
我有可能包含HTML岛的文本。
示例：
qwwdeadaskdfdaskjfhbsdfkf<a href="/cookbook/modifying-data/set-attributes">Set attribute values</a>gfkjgfkjrgjgjgjgjgroggjrog <b>jsoup</b>sdflkjsdfsfklsfklfjsfkljsfljsf<a href="/apidocs/org/jsoup/Jsoup.html#parse(java.lang.String)" title
浏览 1提问于2012-03-06得票数 0
我有一个Junit测试，它检查下一行"<iframe src=http://xss.rocks/scriptlet.html < asd"并使用Whitelist.none()。
Jsoup.clean("<iframe src=http://xss.rocks/scriptlet.html < asd", Whitelist.none());
Jsoup cleaner版本1.11.2返回空字符串。
Jsoup cleaner版本1.12.1返回"< asd“。
我不明白为什么会有这样的变化。也许在版本1.11.2中有一个
浏览 0提问于2020-01-17得票数 0
我正在从数据库中提取html电子邮件内容。html包含如下字符串：
<%@ include view="MirrorPage" %> and <%= stagingArea.techField.label %>
在显示之前，我想要删除它。
我正在使用Coldfusion 9和jSoup来解析html。jSoup在删除html中的内容方面做得很好。
<cfset emailHTML=jsoup.parse(detail["html"]) />
<cfset emailHTML.select("script"
浏览 1提问于2013-03-04得票数 1
回答已采纳
3回答
import java.io.*;
import java.net.URL;
import java.net.URLConnection;
import java.sql.*;
public class linksfind{
public static void main(){
String html = "http://www.apple.com/pr/";
Document document = Jsoup.parse(html); // Can also take an URL.
for (Element element : document.
浏览 3提问于2010-08-11得票数 4
回答已采纳
1回答
我正在使用JSoup来解析某些网页。但是，当我在后台解析页面的HTML内容时，我还希望向用户显示页面。
JSoup在超文本标记语言解析等方面非常棒，但似乎没有图形用户界面组件。插入图形用户界面组件以显示我正在用JSoup解析的网页的推荐方法是什么？
浏览 2提问于2013-11-18得票数 0
我正在用Jsoup.parse解析一段html。
其他一切都很棒，但我应该在以后的pdf转换器中解析这个html。
出于某种原因，Jsoup.parse移除结束标记，pdf解析器抛出一个关于缺少关闭img标记的异常。
Can't load the XML resource (using TRaX transformer). org.xml.sax.SAXParseException;
lineNumber: 115; columnNumber: 4; The element
type "img" must be terminated by the matching e
浏览 10提问于2016-12-08得票数 4
回答已采纳
我是个新手，刚开始使用jsoup和html。我想知道如何从谷歌新闻首页的故事中提取标题和链接(如果可能的话)。下面是我的代码：
org.jsoup.nodes.Document doc = null;
try {
doc = (org.jsoup.nodes.Document) Jsoup.connect("https://news.google.com/").get();
} catch (IOException e1) {
浏览 0提问于2016-08-23得票数 0
回答已采纳
我有一个文本文件"Data3.txt“。这个文件包含大量的html。
我将这个文件传递给Jsoup，这样所有的html都可以使用这个示例"“进行解析。
我还打印了文档的内容，以确保它有所有的html init。
然而，文档只包含html的一小部分(html、head、script、body标记)。我做错什么了？如何传递所有html
这是我的代码：
public void stripContent() throws IOException{
File f = new File("stripContentFile");
BufferedWriter f
浏览 5提问于2017-07-17得票数 0
回答已采纳
我似乎无法在本地html文件中加载，使用Jsoup库。或者至少它似乎没有意识到这一点。我在本地文件(作为var ' html ')中硬编码了确切的html，当我切换到它而不是文件输入时，代码工作得很好。但这两种情况下都会读取该文件。
import java.io.File;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
public class FileHtmlParser{
浏览 3提问于2012-03-08得票数 8
回答已采纳
1回答
我正在解析一个html片段，而不知道这是一个片段。我使用jsoup HTML解析器。例如： String html = "<script>document.location = \"http://example.com/\";</script>";
Document document = Jsoup.parse(html);
System.out.println(document.html()); 输出： <html>
<head>
<script>docume
浏览 22提问于2021-01-06得票数 1
在使用JSoup库解析和呈现页面时，我遇到了处理字符集的问题。下面是它所呈现的页面的示例：
正如你所看到的，哪里应该有‘字符，？而不是呈现(即使您查看源代码时)。
这个页面是通过下载一个网页，用JSoup解析，然后在做了一些结构更改后再次重新渲染而生成的。
我正在下载的页面如下：
final Document inputDoc = Jsoup.connect(sourceURL.toString()).get();
当我创建输出文档时，我这样做：
outputDoc.outputSettings().charset(Charset.forName("UTF-8"));
out
浏览 0提问于2011-08-02得票数 1
回答已采纳
1回答
我尝试使用JSoup从字符串中删除html标记，但在运行时模拟器给出了一个异常: NoClassDefFoundError: org.jsoup.JSoup
下面是我的代码：
String result="<html> hello </html>";
Jsoup.parse(result).text();
有谁可以帮我？
浏览 3提问于2012-11-12得票数 0
回答已采纳
1回答
我有一个动态创建的Ember的视图，是从数据库中存储的一些子部件连接起来的。我还使用了一个Jsoup来修改模板，以包含一些其他非Ember部分。不幸的是，当我存储的ember部分以常见的方式包含属性绑定时：
<li {{bindAttr class="isCompleted:completed isEditing:editing"}}>
Jsoup试图通过添加空引号来“修复”它们，当然这是预期的行为：
<li {{bindattr="" class="isCompleted:completed isEditing:editing"
浏览 1提问于2013-09-05得票数 0
我正在使用jsoup来解析一些HTML内容。在解析HTML内容之后，它将驼峰大小写的属性更改为小写，如将<svg viewBox='XXXX'>更改为<svg viewbox='XXXX'>。
有没有人能建议我如何在使用jSoup1.8.1解析html内容时保留大小写？
浏览 19提问于2015-07-14得票数 5
我有一个来自HTML的org.w3c.dom.Document org.jsoup.nodes.Document。
当我序列化org.w3c.dom.Document时，它会生成一个无效的XML文件:它不关闭META标记。
为什么？这是个虫子吗？从jsoup？从爪哇org.w3c.dom？来自javax.xml.transform.Transformer
与之相关的bug：
W3CDom.fromJsoup fails when xmlns is defined
org.jsoup.nodes.Document.toString()应该生成一个有效的XML文件吗？
示例代码：
浏览 0提问于2018-07-17得票数 3
4回答
我尝试使用Jsoup解析给定的html内容。在Jsoup.parse()之后，html输出将html、head和body标记追加到输入。我只想无视这些。
示例输入：
<p><b>This <i>is</i></b> <i>my sentence</i> of text.</p>
Java代码：
import java.io.File;
import java.io.IOException;
import org.apache.commons.io.FileUtils;
import org.jso
浏览 16提问于2014-10-03得票数 24
回答已采纳
1回答
我刚接触jsoup。我想解析html，但问题出在我们必须在jsoup.connect(url)中指定的URL，我将在运行时从其他页面获取此url作为响应。有没有办法将接收到的url传递给jsoup.connect？我读过类似这样的东西：
String html = response.getContentAsString();
Document document = Jsoup.parse(html);
但是我不知道如何使用它。我很想知道是否有其他方法比jsoup更好。
浏览 3提问于2014-01-19得票数 0
2回答
我正在使用JSoup更新一些服务器端的HTML模板，其中包含一些Freemarker标记。JSoup不会将Freemarker标签识别为有效的超文本标记语言(这很公平)，并将其转换为>和<，例如：
<div class="row">
<#list things as thing>
</#list>
</div>
转换为：
<div class="row">
<#list things as thing>
</#list>
浏览 0提问于2016-02-27得票数 0
5回答
我只想从带有JSOUP的文本中删除html标记。我使用了这里的解决方案()，但是经过一些检查后，我发现JSOUP获得了Java堆异常: OutOfMemoryError用于大型htmls，但不是所有的。例如，它在html 2Mb和10000行上失败。代码在最后一行(而不是在Jsoup.parse上)抛出一个异常：
public String StripHtml(String html){
html = html.replace("<", "<").replace(">", ">");
浏览 12提问于2016-01-02得票数 4
回答已采纳
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
class JsoupTester {
public static void main(String[] args) {
String html = "<html><head><title>Sample Title</title></head
浏览 1提问于2020-06-08得票数 1
1回答
我有一个示例html文档，当我使用Jsoup解析它时，我发现title标记被错误地解析为body标记的子节点而不是head标记。是虫子吗？
import java.io.File;
import java.io.IOException;
import java.nio.charset.StandardCharsets;
import org.apache.commons.io.FileUtils;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
public class Test {
public static vo
浏览 1提问于2018-11-16得票数 0
回答已采纳
我的用法
从网站下载HTML文件
用JSoup解析它
使用JSoup将其转换为有效的XML。
使用XPath (javax.xml.xpath)从该XML文档中读取元素和属性
(这是实现的，在大多数情况下如预期的那样起作用。)
问题/原因
有一个案例失败了：
源HTML文件包含一些无效的内容，如这个<div someattribute="somevalue"=""></div>
JSoup将其转换为同样无效的字符串<div someattribute="somevalue" ="
浏览 2提问于2021-01-08得票数 1
回答已采纳
我不知道我在这里做错了什么。我试着用JSOUP和Cold聚变获取og:image。
<cfhttp method="get" url="http://www.bbc.com/culture/story/20150304-is-house-of-cards-worth-watching" result="theresult">
<cfscript>
// Create the jsoup object
Jsoup = createObject("java", "org.jsoup.
浏览 2提问于2019-02-02得票数 4
回答已采纳
1回答
使用Jsoup提取HTML节点
、、、、
这是html代码：
<!DOCTYPE html>
<html>
<title>Instructor's Page</title>
<body>
<h1>Instructor's Page</h1>
<div class="check1"> <div id="check2">
<span id="check3" class="check4"> <strong class=
浏览 1提问于2013-08-27得票数 0
回答已采纳
1回答
我正在使用以下方法解析包含HTML标记和javascript标记的html字符串
public Document parse(String content) {
return Jsoup.parse(content, "", Parser.xmlParser());
}
问题是javascript元素只包含在一行中。
另外，我也试过
public Document parse(String content) {
return Jsoup.parse(content, "", Parser.htmlParser());
}
对Javascr
浏览 3提问于2016-10-20得票数 2
回答已采纳
2回答
我正在尝试使用包含以下文本的JSoup对URL进行比较：Ætterni。在解析文档之后，相同的字符串看起来是这样的：Ætterni。
如何防止这种情况发生？我要的是文件1:1的原样。
代码：
doc = Jsoup.connect(url).get();
String docEncoding=doc.outputSettings().charset().name();
OutputStreamWriter writer = new OutputStreamWriter(new FileOutputStream(localLink),docEncoding);
writer.
浏览 0提问于2011-06-08得票数 3
我想解析HTML，以便从没有可用服务的网页中读取信息。
对于JavaSE，我可能会使用jsoup和HTML sanitizer来使其格式良好，并在将中间格式处理为可扩展标记语言之前过滤掉不相关的部分。
但是，使用代号为One的任意库并不那么简单，因为运行时没有JavaSE的完整作用域。
有人用Codename One做过HTML解析吗?最好的方法是什么？
浏览 4提问于2017-02-02得票数 1
1回答
我在导入jar文件并在中运行时遇到问题。这是我要做的:我已经下载了。将其解压并将org文件放入我的项目目录中。然后将其导入到我的源代码中：
import org.jsoup.*;// why this does not import all
/*
instead I need to import everything manually
import org.jsoup.Jsoup;
import org.jsoup.helper.Validate;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
impo
浏览 0提问于2012-09-17得票数 2
回答已采纳
3回答
使用JSoup (包括最后一个版本1.7.2 )，有一个错误解析、无效的、带有未关闭标记的。
示例：
String tmp = "<a href='www.google.com'>Link<p>Error link</a>";
Jsoup.parse(tmp);
生成的文件是：
<html>
<head></head>
<body>
<a href="www.google.com">Link</a>
<p><a
浏览 5提问于2013-04-04得票数 9
回答已采纳
我正在使用Jsoup.parse()从字符串中删除html标记。但我的字符串也是像<name>这样的单词。
问题是Jsoup.parse()也要删除它。因为该文本有<和>。我不能简单地从文本中删除< and >。我该怎么做呢。
String s1 = Jsoup.parse("<p>Hello World</p>").text();
//s1 is "Hello World". Correct
String s2 = Jsoup.parse("<name>").text()
浏览 1提问于2016-08-03得票数 2
这让我很恼火。
如果字符串包含<br />，则Jsoup会在返回的字符串中包含额外的换行符
例如：
String html ="TEST<br />TEST";
Jsoup.clean(html, org.jsoup.safety.Whitelist.basic());
返回
TEST\n<br />TEST
对于如何避免包含麻烦的内容有什么建议吗？
浏览 2提问于2012-05-28得票数 2
回答已采纳
我试图从HADOOP问题站点()中提取有关创建问题日期的信息。
正如您在这个中所看到的，创建日期是类为活动标记的时间标记之间的文本(例如，<time class=livestamp ...> 'this text' </time>)。
所以，我试着用下面的代码解析它。
import java.io.IOException;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Ele
浏览 0提问于2019-07-11得票数 1
回答已采纳
我在做一个基于jsoup的html模板引擎。如果元素不在表中，JSOUP将忽略th和td标志；
为了处理这个问题，我将解析器更改为：
final Document docToWrite = Jsoup.parse(docToRead.outerHtml(),"", Parser.xmlParser());
但我没有找到任何解决方案来填充包含td或th的html元素：
element.html("<th>test</th>");
只返回test，因为JSOUP通过删除未使用的标记来清除html
我该如何解决这个问题呢？
谢谢
浏览 0提问于2016-06-15得票数 1
2回答
我正在使用JSF。我已经使用了RichFaces的'RichEditor‘。我将这个编辑器中的内容存储到一个bean中，并显示到一个JSF表单中。但是它在JSF表单上显示HTML标记。为此，我使用了JSoup HTML Parser。但是它完全将富编辑器的书面内容转换为简单的文本，删除了所有格式，如粗体、使用的按钮、换行符等。我需要在jSF表单中显示编辑器。
请帮帮我。
富编辑器的代码
<f:param name="theme_advanced_buttons1" value="
newdocument,
浏览 2提问于2011-04-01得票数 0
我正在尝试运行下面的代码。似乎输入标记结束标记已经被jsoup删除了。如果你看一看html，输入标签就像<input type="checkbox" readonly checked>一样，它没有结束标签。它应该像<input type="checkbox" readonly checked/>一样出现。
String html = "<html><head><title>First parse</title></head>"
+ "<body&
浏览 2提问于2019-07-17得票数 1
1回答
我有一个标准的json结构，其中的内容如下
<p>这是html content<\/p>
我使用jsoup去掉了输出的tags.However，如下所示
这是html内容</p>
Jsoup不能剥离具有转义字符的结束标记。
注意:标准的json数据格式会将/视为特殊字符并对其进行转义
java中有没有可以做到这一点的标准json库？
浏览 0提问于2018-03-17得票数 1
我正在尝试从具有原始xpath的HTML中删除一个元素。 final Document document = Jsoup.parse(htmlAsString);
final Elements elements = document.select("/html/head");
elements.forEach(Node::remove); 但是遇到了下面的错误， org.jsoup.select.Selector$SelectorParseException: Could not parse query '/html/h
浏览 44提问于2020-12-03得票数 1
回答已采纳
1回答
我试图使用这段代码从HTML元素中完全清除文本：
Jsoup.clean(preparedText, Whitelist.none())
不幸的是，它没有删除 元素。我以为它会用空格代替它，就像它用中间点("·")代替·一样。
我应该使用另一种方法来实现这个功能吗？
浏览 5提问于2016-01-19得票数 10
我正在尝试使用JSoup连接到URL。
当我使用以下代码时
Jsoup.connect("http://www.example.com/").get();
Jsoup.connect("http://www.example.com/example.html").get();
第一个调用成功，第二个调用引发异常：
Exception in thread "main" java.lang.IllegalArgumentException: Malformed URL: http://www.example.com/example.html
at
浏览 0提问于2013-02-20得票数 2
回答已采纳
6回答
用Java将HTML转换为纯文本
、、、、
我需要将HTML转换成纯文本。我对格式化的唯一要求是在纯文本中保留新行。不仅在<br>的情况下应该显示新的行，而且还应该显示其他标记，例如<tr/>，</p>也会导致新的行。
用于测试的HTML页面示例如下：
请注意，这些只是随机URL。
我已经尝试了各种库(JSoup、Javax.swing、Apache )，在的答案中提到了将转换成纯文本的方法。
使用JSoup的示例：
public class JSoupTest {
@Test
public void SimpleParse() {
try {
Document d
浏览 9提问于2010-10-12得票数 11
1回答
我试图关闭自动生成关闭标签，我参考了这个链接。
String html="<A HREF=\"#Item1\">\n"
+ "<p style=\"font-family:times;margin-top:12pt;margin-left:0pt;\">\n"
+ "<FONT SIZE=2>Item 1.</FONT>\n"
+ "</
浏览 0提问于2015-07-01得票数 1
我有一个被JSOUP解析成<script>标签的UTF-8文档的问题
JSOUP转换：
<html>
<head>
<title>éà</title>
</head>
<body>
éà
<script>
var x='éà';
</script>
</body>
</html>
<html>
<head>
<title>éà</title
浏览 2提问于2012-09-03得票数 1
1回答
我正在尝试使用Jsoup登录这个网站：
我使用了下面的代码：
String url = "https://www.startus.cc/user/login";
String userAgent = "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/43.0.2357.130 Safari/537.36";
Connection.Response response = Jsoup.connect(
浏览 0提问于2017-10-20得票数 1
我有与css的html，我想检查什么是真正的颜色(和其他视觉文本属性)在html文件中指定的文本。我能用JSoup做这件事吗?还是必须找一些真正的html引擎/处理器？处理此操作的速度是主要因素之一。
浏览 0提问于2011-01-19得票数 0
我正在使用Jsoup来解析具有未知字符编码的HTML文件。我使用空字符集调用Jsoup.parse，并自动检测Jsoup。有些文件有meta标记，Jsoup很好地捕捉到了这一点。
但是，我的一些文件没有meta标记，并且使用各种不是UTF-8的编码。对于这些情况，Jsoup回到了UTF-8，导致了一些字符的断裂。
我发现库能够正确地自动检测这些情况。例如，它在几个示例中正确地检测到了WINDOWS-1252编码。
理想情况下，如果存在meta标记，我希望使用它们。如果他们不这样做的话，他们就会回到juniversalchardet的报告中(而不仅仅是猜测UTF-8)。
我能否提供一个后备
浏览 0提问于2016-04-04得票数 2
下面是我的示例输入HTML代码：
<html>
<head>
<object></object>
</head>
<body>
</body>
</html>
以下是使用Jsoup进行解析时的输出：
<html>
<head>
</head>
<body>
<object></object>
</body>
</html>
问:为什么Jsoup要将<object>标记从&
浏览 1提问于2015-03-26得票数 2
1回答
假设我有这个HTML：
<html>
<head>
</head>
<body>
<form method="post">
<select name="books">
<option value="111">111</option>
<option value="222">222</opti
浏览 4提问于2016-08-09得票数 4
回答已采纳
1回答
当我尝试从html中删除iframe标签时，我使用的是jSoup1.6.1，并且遇到了这个问题。当iframe没有任何主体(即)时，remove()方法删除t标记之后的所有内容。以下是我的示例代码。
String html ="<p> This is start.</p><iframe frameborder="0" marginheight="0" /><p> This is end</p>";
Document doc = Jsoup.pars
浏览 3提问于2011-09-02得票数 0
2回答
如何才能从字符串中获取Jsoup元素？例如，如果我有一个字符串
String myDiv = "<div>Hello jsoup world</div>";
我想在元素中进行转换。目前，我用Jsoup.parse(..)转换文档中的字符串方法，然后将该文档的主体作为元素。有直接的方法吗？
浏览 6提问于2013-10-31得票数 5
回答已采纳
1回答
我目前正在为一家公司开发一个java桌面应用程序，他们要求我从网页中提取最后5篇文章，并在应用程序中显示它们。要做到这一点，我当然需要一个html解析器，我直接想到了JSoup。但我的问题是我该怎么做呢？我从这个问题中找到了一个简单的例子：
使用此代码：
package com.stackoverflow.q2835505;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
public cla
浏览 1提问于2018-03-29得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议活动推荐
腾讯云开发者
