Java 遍历DOM树时Jsoup节点哈希代码冲突
我正在使用JavaJSOUP构建HTMLDOM树,其中使用了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
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