如何防止 Jsoup 转义 html？

Posted 2023-05-07

【中文标题】如何防止 Jsoup 转义 html？

【英文标题】：How to prevent Jsoup from unescaping html?

【发布时间】：2021-09-10 00:20:53

【问题描述】：

我正在使用 Jsoup 解析一个 html 字符串，以便仅提取文本，并希望获得确切的文本，但是当我解析包含转义字符的字符串时，Jsoup 将它们转义。 例如 - 如果我解析

<p>Let's try</p>

Jsoup 返回

<p>Let's try</p>

我广泛搜索解决方案并尝试使用 doc.outputSettings 和 charset 和 escapeMode 的不同选项，但无法让 Jsoup 不逃避 html 特殊字符

【问题讨论】：

为什么重要？无论哪种方式，HTML 都具有完全相同的含义。

提取文本后，我正在对其进行一些操作，然后我想在原始字符串中查找和替换。由于未转义，我找不到提取的文本

【参考方案1】：

从this comment和现在的EscapeMode documentation来看，Jsoup是做不到的。

我永远不会实现 EscapeMode.none，因为它只会导致解析树损坏。