jsoup解析網頁出現轉義符問題

https://www.oschina.net/question/996055_136438

***************************************

我要解析這個網頁  http://sports.163.com/13/0830/22/97IFSI5I00051CD5.html

然后直接在獲得源碼后，使用select  只捕獲其中一部分  doc.select("textarea[id^=photoList]")

為何出現了這個情況呢、求大牛們幫忙解決啊 @紅薯

 

很奇怪的是，我用轉義符全部替換之后，直接打印在控制台，顯示正確，然后又用Jsoup.parse()這個方法，結果又成了這樣子、大神們，幫幫忙吧@jsoup

html()和outerHtml()的區別只是有沒有包含本層而已，最終底層方法是一樣的，所以這里確實轉義了。

其實也說得通，因為textarea里的內容是“文本”，html里的純文本內容，如果不進行轉義是不安全的。

當然這里你的需求是"保持原文"，“轉義再反轉”其實是無法保持原文的。而且Apache的StringEscapeUtils的轉義范圍比Jsoup要小，所以其實反轉是不完整的。

有個比較hack的方法：

 

Document doc = Jsoup.connect("http://sports.163.com/13/0830/22/97IFSI5I00051CD5.html").get();
//清空jsoup的轉義表，會使jsoup失去轉義能力
Entities.EscapeMode.base.getMap().clear();
Elements elements = doc.select("textarea[id^=photoList]");
for(Element e:elements){
    System.out.println(e.html());
}