Fatal编程技术网
  • java/
  • Java 遍历DOM树时Jsoup节点哈希代码冲突

Java 遍历DOM树时Jsoup节点哈希代码冲突

java html dom hash

Java 遍历DOM树时Jsoup节点哈希代码冲突,java,html,dom,hash,jsoup,Java,Html,Dom,Hash,Jsoup,我正在使用JavaJSOUP构建HTMLDOM树，其中使用了Node.hashCode（）。但我发现，使用以下代码遍历DOM树时，会发生很多哈希代码冲突： doc.traverse(new NodeVisitor(){ @Override public void head(Node node, int depth) { System.out.println("node hash: "+ node.hashCode()); /* some ot

我正在使用JavaJSOUP构建HTMLDOM树，其中使用了
Node.hashCode（）
。但我发现，使用以下代码遍历DOM树时，会发生很多哈希代码冲突：

doc.traverse(new NodeVisitor(){

    @Override
    public void head(Node node, int depth) {

        System.out.println("node hash: "+ node.hashCode());

        /* some other operations */
    }

    @Override
    public void tail(Node node, int depth) {
        // TODO Auto-generated method stub

        /* some codes */
    }
}

String html = //HTML posted above

Document doc = Jsoup.parse(html);

Elements elements = doc.select("[style]");
for (Element e : elements) {
   System.out.println(e.hashCode());
}
因此，当运行该程序时，我看到许多相同的哈希代码，甚至在前几个输出中

散列码非常大，我不希望出现这种奇怪的行为。我使用了jsoup-1.8.1。 如有任何意见，将不胜感激，谢谢

注意：这个错误已经在JSOUP1.8.2中修复，所以我的答案不再相关

这可能是jSoup源代码中的错误。从：

我不是Java专家，但这看起来好像可以为不同的节点返回相同的值，如果它们具有相同的属性。（同一位家长，感谢@alkis的评论）

编辑：我可以复制这个。使用以下HTML：

<html>
    <head>
    </head>
    <body>
        <div style="blah">TODO: write content</div>
        <div style="blah">Nothing here</div>
        <p style="test">Empty</p>
        <p style="nothing">Empty</p>
    </body>
</html>
它给出：

-148184373
-148184373
-1050420242
2013043377
在计算散列时，它似乎完全忽略了内容文本，只有属性才是重要的

您可能应该实施自己的解决方案

报告错误。

出于兴趣，节点的内容是否相同？如果1）散列是从内容创建的，或者2）它识别重复以减少内存占用，那将很有趣。我使用的html页面来自Amazon（我想分析其产品页面中的字段）。我认为每一个在内容上都是独一无二的。即使有具有相同内容的节点，也不可能有那么多。您能提供一些复制此行为的html示例吗？@alkis，我可以复制它，请参见我的答案。显然这两个
TODO:write contentNothing here
具有相同的散列。它们具有相同的属性（
style=“blah”
）和相同的父级。是的，这一定是个bug。你应该把它归档。好发现。荣誉谢谢你的报道，我已经搞定了。它将出现在JSOUP1.8.2中 
-148184373
-148184373
-1050420242
2013043377