如何使用Jsoup在html中添加所有元素？

Question

File input = new File("1727209867.htm");
Document doc = Jsoup.parse(input, "UTF-8","http://www.facebook.com/people/Alison-Vella/1727209867");

我正在尝试解析此html文件，该文件已保存并在本地系统中使用。 但是解析不会解析所有的html。 因此，我无法获得所需的信息。 使用此代码，解析仅适用于6k char，但实际上html文件具有60k char。

Answer 1

这在jsoup中是不可能的，但是有一种解决方法 ：

final File input = new File("example.html");
final int maxLength = 6000; // Limit of char's to read

InputStream is = new FileInputStream(input); // Open file for reading
StringBuilder sb = new StringBuilder(maxLength); // Init the "buffer" with the size required
int count = 0; // Count of chars readen
int c; // Char for reading

while( ( c = is.read() ) != -1 && count < maxLength ) // Read a single char until limit is reached
{
    sb.append((char) c); // Save the char into the buffer
    count++; // increment the chars readen
}


Document doc = Jsoup.parse(sb.toString()); // Parse the Html from buffer

解释：

1. 逐字符读取文件到缓冲区，直到达到限制
2. 从缓冲区解析文本并使用jsoup处理

问题：这不会关掉标签等问题-如果您处于极限状态，它将完全停止读取。

（可能） 解决方案：

• 忽略它并停在您要的位置，对此进行解析并“ 修复 ”，或放下悬挂的html
• 如果最后，请阅读直到到达下一个结束标记或> char
• 如果您末了，请阅读直至到达下一个标记
• 如果您末了，请阅读直到特定的标签或评论为止