Java 获取文档中所有HTML标记的字符位置的推荐方法

所以正则表达式。那么，获取文档中所有HTML标记的开始和结束字符位置的首选方法是什么？诸如Jsoup和NekoHTML之类的解析库似乎没有提供这些信息，甚至似乎也不适用，因为它只提供当前文档事件的结束

我对标记的类型或名称、任何属性或从文本中剥离任何内容都不感兴趣。我只想知道他们从哪里开始，在哪里结束

---

出于这个问题的目的，可以假设源HTML是有效的。

我自己也很好奇，所以我找到了这个解析器：

public void testJericho（）引发IOException{
Source Source=新源（新URL（“http://example.com/"));
List elementList=source.getAllegements（）；
for（元素：元素列表）{
打印元素（元素）；
}
}
公共void打印元素（元素）{
List childrents=element.getChildElements（）；
for（元素子元素：子元素）
打印元素（子元素）；
System.out.println（element.getName（）+“start:”+element.getBegin（））；
System.out.println（element.getName（）+“end:”+element.getEnd（））；
}

我自己也很好奇，所以我找到了这个解析器：

public void testJericho（）引发IOException{
Source Source=新源（新URL（“http://example.com/"));
List elementList=source.getAllegements（）；
for（元素：元素列表）{
打印元素（元素）；
}
}
公共void打印元素（元素）{
List childrents=element.getChildElements（）；
for（元素子元素：子元素）
打印元素（子元素）；
System.out.println（element.getName（）+“start:”+element.getBegin（））；
System.out.println（element.getName（）+“end:”+element.getEnd（））；
}

确保它是一个有效的HTML文件。嗯，我假设这是隐含的，但我在问题中已经澄清了这一点。你的问题听起来像是达到目的的手段。您试图解决的业务问题是什么？难道“达到目的的方法”不是所有编程问题所必需的属性吗无论如何，该应用程序涉及将HTML作为Apache UIMA注释器的一部分进行注释。首先确保它是有效的HTML。嗯，我假设这是隐含的，但我在问题中已经澄清了这一点。你的问题听起来像是达到目的的手段。您试图解决的业务问题是什么？难道“达到目的的方法”不是所有编程问题所必需的属性吗无论如何，这个应用程序需要将HTML作为ApacheUIMA注释器的一部分进行注释。太棒了！我看了杰里科，但还是错过了那部电影。我只对注释标记感兴趣，而不是内容，所以我还利用了Element.getStartTag（）和Element.getEndTag（）函数。太棒了！我看了杰里科，但还是错过了那部电影。我只对标记而不是内容进行注释感兴趣，所以我还使用了Element.getStartTag（）和Element.getEndTag（）函数。

public void testJericho() throws IOException{

    Source source=new Source(new URL("http://example.com/"));
    List<Element> elementList=source.getAllElements();
    for (Element element : elementList) {
        printElement(element);
    }

}

public void printElement(Element element) {
    List<Element> children = element.getChildElements();
    for(Element child: children) 
        printElement(child);

    System.out.println(element.getName() + " start: " + element.getBegin());
    System.out.println(element.getName() + " end: " + element.getEnd());        
}