jsoup在element.remove（）上拋出IndexOutOfBoundsException

Question

我正在寫一個清理網頁的腳本。 這包括遍歷所有標簽（元素）並根據某些規則進行檢查：

    for (Element element :  document.select("*") ) {
        if (element == null) { 
            continue;
        }


        if ( RULE1) ) {
            element.remove();
        }


        else if( RULE2){
            element.remove();
        }


        else if ( RULE3 ) {
            element.remove();
        }

        else if (  RULE4 ) {
            element.remove();
        }

    }   

我已經在數十頁上對此進行了測試，沒有任何問題。 今天，我剛剛在網頁上拋出java.lang.IndexOutOfBoundsException ：

Exception in thread "main" java.lang.IndexOutOfBoundsException: Index: 3, Size: 1
    at java.util.ArrayList.rangeCheck(ArrayList.java:653)
    at java.util.ArrayList.remove(ArrayList.java:492)
    at org.jsoup.nodes.Node.removeChild(Node.java:423)
    at org.jsoup.nodes.Node.remove(Node.java:266)

我的猜測是，代碼有時會嘗試刪除已經刪除的元素。 但是無法確定為什么/為什么會這樣。

任何想法？

謝謝。

編輯1：導致中斷的規則

我發現了導致代碼失敗的規則。 規則之一實際上不會刪除element而是會重置其文本：

        else if ( matches junk text ) {
            String match = getMatchingJunk ( element.ownText() );
            if ( match.length()  < JUNK_TEXT_ELEMENT_REMOVAL_THRESH ) {
                element.text( removeSmallest(element.ownText(), match) ); // <= causing error
                continue;
            }

            element.remove();

        }

如果我刪除了element.text( removeSmallest(element.ownText(), match) ) ，錯誤就會消失。

Answer 1

如果我分兩個階段清除垃圾文本，該代碼似乎可以正常工作。 該代碼看起來有些重復和駭人聽聞。 也許有更好的方法可以做到這一點：

第一階段：收集所有垃圾

        Map <String, Element> junks = new HashMap <String, Element>();
        for (Element element :  document.select("*") ) {
            ...

            if () {
                ...
            }

            else if ( matches junk text ) {
                String match = getMatchingJunk ( element.ownText() );
                if ( match.length()  < JUNK_TEXT_ELEMENT_REMOVAL_THRESH ) {
                    //element.text( removeSmallest(element.ownText(), match) ); // <= causing error
                    junks.put(elOwnText,element);
                    continue;
                }

                element.remove();

            }
        }

第二階段：清除垃圾

    if ( size(junks) > 0 ) {
        for(Map.Entry<String,Element> ent : junks.entrySet()){

            String match = getMatchingJunk (ent.getKey()); // this looks repetitive. probably there's a better way to do it
            if ( match.length()  < JUNK_TEXT_ELEMENT_REMOVAL_THRESH ) {
                ent.getValue().text( removeSmallest(ent.getKey(), match) ); // purge junk

            }
        } // end for
    } // end if