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
来源:互联网 发布:中美南海对峙 知乎 编辑:程序博客网 时间:2024/06/05 10:45
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");
阅读全文
0 0
- 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
- 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)
- 关于jsoup抓取html空格出现乱码的解决办法
- 利用Jsoup解析HTML
- 利用jsoup解析html
- Jsoup处理html空格乱码问题
- Android 利用jsoup解析 html
- Android 利用jsoup解析 html
- java利用JSOUP解析html
- Android 利用jsoup解析 html
- Android 利用jsoup解析 html
- 利用 jsoup 解析 html内容
- 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
- jsoup java html 解析器用法
- java中解析HTML的方法:Jsoup和正则表达式
- JAVA开发的23种设计模式之 — 装饰器模式 && 代理器模式
- 从0到9中随机选择,生成1到10个随机数,组成集合A, 同理生成集合B, 输出A和B以及其交集和并集.
- ebay description抓取
- POJ2287 Tian Ji——The Horse Racing
- JS的事件冒泡和事件捕获
- 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
- spring整合redis
- netty 点对点聊天程序
- SpringMvc相关整理
- iOS工厂模式的实质性总结
- 面试题 简单的字符串表达式四则运算(不考虑括号)
- shell相关
- 可以通过cout输出的几种opencv特有的数据类型
- hdu 6092 Rikka with Subset(多重背包)