关于利用Jsoup解析HTML中 ;变成非传统空格或乱码问题解决方法
2017-08-17 18:12
966 查看
转载自 http://blog.csdn.net/hubin1989/article/details/49072947
在写爬虫的时候很多时候会遇到这种问题:HTML中源码显示 ;没问题,但是利用Jsoup的text()方法获取的文字就会出现问题,一般情况是 ;变成非传统空格或者乱码,这样在解析的时候想切分字符串会无法成功。因为 ;是ISO-8859-1的西欧编码,空格的编码为160,而我们普通使用的ASCII的空格编码是32.这样就会产生很多麻烦。
所以在利用Jsoup进行解析的时候要特别处理一下这类问题,因为如果编码不是乱码显示的都是空格,但是此空格非彼空格。
这种问题的处理一般有两种方法:
1、
把Element转化为字符串,用String.replace替换掉,再通过Jsoup.parse()把处理过的字符串转成Document,再通过Document.text() 得到处理过的内容。 如:
String temp=tp.toString().replace(" "," ");
Document d=Jsoup.parse(temp);
System.out.println(d.text());
2、
把Element内的文字通过Element.toString()输出,再用String.replace替换。个人比较推荐这种方法。
String temp = els.text().replace(Jsoup.parse(" ").text(), " ");
System.out.println("temp");
在写爬虫的时候很多时候会遇到这种问题:HTML中源码显示 ;没问题,但是利用Jsoup的text()方法获取的文字就会出现问题,一般情况是 ;变成非传统空格或者乱码,这样在解析的时候想切分字符串会无法成功。因为 ;是ISO-8859-1的西欧编码,空格的编码为160,而我们普通使用的ASCII的空格编码是32.这样就会产生很多麻烦。
所以在利用Jsoup进行解析的时候要特别处理一下这类问题,因为如果编码不是乱码显示的都是空格,但是此空格非彼空格。
这种问题的处理一般有两种方法:
1、
把Element转化为字符串,用String.replace替换掉,再通过Jsoup.parse()把处理过的字符串转成Document,再通过Document.text() 得到处理过的内容。 如:
String temp=tp.toString().replace(" "," ");
Document d=Jsoup.parse(temp);
System.out.println(d.text());
2、
把Element内的文字通过Element.toString()输出,再用String.replace替换。个人比较推荐这种方法。
String temp = els.text().replace(Jsoup.parse(" ").text(), " ");
System.out.println("temp");
相关文章推荐
- 关于利用Jsoup解析HTML中 变成非传统空格或乱码问题解决方法
- Jsoup解析HTML中 出现乱码问题解决办法
- 解决Jsoup解析html页面空格( )解析为乱码(问号)
- Jsoup.connect(url).get()解析html页面空格&bsp乱码问题
- Jsoup.connect(url).get()解析html页面空格&bsp乱码问题
- 关于 空格实体在最新的IE、Firefox和Google Chrome浏览器中解析宽度不一致问题的解决
- [Java] 解决用Jsoup解析网页过程中由&nbsp造成的乱码问题
- 空格&nbsp在不同浏览器中显示距离不一致问题解决方法
- 空格 在不同浏览器中显示距离不一致问题解决方法
- 空格&nbsp在不同浏览器中显示距离不一致问题解决方法
- 空格 在不同浏览器中显示距离不一致问题解决方法
- java爬虫爬取的html内容中空格( )变为问号“?”的解决方法
- 关于html中charset与<title>位置不同页面空白的问题及解决方法
- java爬虫爬取的html内容中空格( )变为问号“?”的解决方法
- 空格 在不同浏览器中显示距离不一致问题解决方法
- 空格 在不同浏览器中显示距离不一致问题解决方法
- 关于undefined reference to `inflate'问题解决方法
- 关于将RadioButtonList的AutoPostBack属性设置为"True"获取子项时候引起回发的问题解决方法
- 关于Exce报表没有边框的问题-解决办法(修改html后缀方法)
- Reporting Services 中关于汉字乱码问题解决方法