记一次Java生成HTML格式文件遇到的问题

在角落里123

已于 2024-07-12 15:07:51 修改

阅读量191

点赞数 1

分类专栏： JAVA 文章标签： java html

于 2024-07-12 15:06:12 首次发布

本文链接：https://blog.csdn.net/qq_55996397/article/details/140379298

版权

JAVA 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

一、问题描述

在Jsoup生成的HTML中，自闭合标签（如<link>、<meta>等）会根据HTML的标准格式进行输出，有时会省略自闭合的斜杠。这虽然不会影响浏览器的解析，但在一些特殊场景下会导致解析失败，例如epub格式文件。

原文件内容：

<?xml version='1.0' encoding='utf-8'?>
<html xmlns="http://www.w3.org/1999/xhtml">

<head>
  <title>这是一个标题</title>
  <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
  <link href="stylesheet.css" rel="stylesheet" type="text/css" />
  <link href="page_styles.css" rel="stylesheet" type="text/css" />
</head>

</html>

Jsoup生成的内容

<?xml version='1.0' encoding='utf-8'?>
<html xmlns="http://www.w3.org/1999/xhtml">

<head>
    <title>这是一个新的标题</title>
    <meta http-equiv="Content-Type" content="text/html; charset=utf-8">
    <link href="stylesheet.css" rel="stylesheet" type="text/css">
    <link href="page_styles.css" rel="stylesheet" type="text/css">
</head>

</html>

可以看到<link>、<meta>标签的自闭合斜杠被省略了。

`二、解决方法`

可以使用Jsoup的OutputSettings类来控制输出格式，实现方式如下：

public static void main(String[] args) {
        String html = "<?xml version='1.0' encoding='utf-8'?>\n" +
                "<html xmlns=\"http://www.w3.org/1999/xhtml\">\n" +
                "\n" +
                "<head>\n" +
                "  <title>这是一个标题</title>\n" +
                "  <meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n" +
                "  <link href=\"stylesheet.css\" rel=\"stylesheet\" type=\"text/css\" />\n" +
                "  <link href=\"page_styles.css\" rel=\"stylesheet\" type=\"text/css\" />\n" +
                "</head>\n" +
                "\n" +
                "</html>";

        Document doc = Jsoup.parse(html);

        // 替换 <title> 标签内容
        Element title = doc.selectFirst("title");
        if (title != null) {
            title.text("这是一个新的标题");
        }

        // 设置输出格式
        OutputSettings settings = new OutputSettings();
        settings.syntax(OutputSettings.Syntax.xml);
        doc.outputSettings(settings);

        System.out.println(doc.toString());
    }

在以上示例中，通过设置OutputSettings为Syntax.xml，我们确保自闭合标签在输出时保留斜杠。运行这个程序将输出：

<!--?xml version='1.0' encoding='utf-8'?-->
<html xmlns="http://www.w3.org/1999/xhtml">

<head>
    <title>这是一个新的标题</title>
    <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
    <link href="stylesheet.css" rel="stylesheet" type="text/css" />
    <link href="page_styles.css" rel="stylesheet" type="text/css" />
</head>

<body></body>

</html>

在角落里123

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
记一次Java生成HTML格式文件遇到的问题

等）会根据HTML的标准格式进行输出，有时会省略自闭合的斜杠。这虽然不会影响浏览器的解析，但在一些特殊场景下会导致解析失败，例如epub格式文件。，我们确保自闭合标签在输出时保留斜杠。在Jsoup生成的HTML中，自闭合标签（如。在以上示例中，通过设置。Jsoup生成的内容。可以使用Jsoup的。
复制链接

扫一扫