如何使用Java中的Jsoup从javascript变量解析html？_Java_Javascript_Html_Jsoup

如何使用Java中的Jsoup从javascript变量解析html？

java javascript html

如何使用Java中的Jsoup从javascript变量解析html？,java,javascript,html,jsoup,Java,Javascript,Html,Jsoup,我使用Jsoup解析html文件并从元素中提取所有可见文本。问题是javascript变量中有一些html位显然被忽略了。什么是最好的解决方案，以获得这些比特例如： <!DOCTYPE html> <html> <head> <script> var html = "<span>some text</span>"; </script> </head> <body

我使用Jsoup解析html文件并从元素中提取所有可见文本。问题是javascript变量中有一些html位显然被忽略了。什么是最好的解决方案，以获得这些比特

例如：

<!DOCTYPE html>
<html>
<head>
    <script>
        var html = "<span>some text</span>";
    </script>
</head>
<body>
    <p>text</p>
</body>
</html>


var html=“一些文本”；
正文

在本例中，Jsoup只从

标记中提取文本，这是它应该做的。如何从

var html

span中提取文本？该解决方案必须应用于数千个不同的页面，因此我不能依赖于具有相同名称的javascript变量。

您可以使用Jsoup将所有

-标记解析为

DataNode

-对象

DataNode

数据节点，用于样式、脚本标记等的内容，其中内容不应显示在text（）中

这将为您提供标签

的所有元素

然后可以使用

getWholeData（）

-方法提取节点

我不太确定答案，但我以前也看到过类似的情况

您可能可以使用Jsoup和手动解析来根据该答案获取文本

我只是针对您的具体情况修改了这段代码：

Document doc = ...
Element script = doc.select("script").first(); // Get the script part


Pattern p = Pattern.compile("(?is)html = \"(.+?)\""); // Regex for the value of the html
Matcher m = p.matcher(script.html()); // you have to use html here and NOT text! Text will drop the 'html' part


while( m.find() )
{
    System.out.println(m.group()); // the whole html text
    System.out.println(m.group(1)); // value only
}

希望对您有所帮助。

至少您确定

html

内容在双引号中，并且

标记中没有其他内容在双引号中吗？

// Get the data contents of this node.
String    getWholeData()

 for (Element tag : scriptTags){                
        for (DataNode node : tag.dataNodes()) {
            System.out.println(node.getWholeData());
        }        
  }

Document doc = ...
Element script = doc.select("script").first(); // Get the script part


Pattern p = Pattern.compile("(?is)html = \"(.+?)\""); // Regex for the value of the html
Matcher m = p.matcher(script.html()); // you have to use html here and NOT text! Text will drop the 'html' part


while( m.find() )
{
    System.out.println(m.group()); // the whole html text
    System.out.println(m.group(1)); // value only
}