Início / user-997044

George's questions

Martin Hope
George
Asked: 2025-04-02 19:41:47 +0800 CST
  • 6

Ao usar StreamParser.parse(), é descoberto que os links hrefs são duplicados, enquanto que usar Jsoup.parse() retorna o documento esperado. Existe algum motivo pelo qual StreamParser criaria referências adicionais para href?

Esse é o comportamento esperado ao usar um StreamParser?

String s1= "<!DOCTYPE html>\n"
                + "<html>\n"
                + "<head>\n"
                + "  <title></title>\n"
                + "</head>\n"
                + "<body>\n"
                + "  <a href=\"https://fake.com/:x:/g/gibberishtext\">Some link</a>\n"
                + "</body>\n"
                + "</html>";

  StreamParser streamParser = new StreamParser(Parser.htmlParser());
  StreamParser parse = streamParser.parse(s1, "");
  parse.stream().forEach(System.out::println);

// Saída do StreamParser, Retorna cinco referências para href

<title></title>
<head>
 <title></title>
</head>
<a href="https://fake.com/:x:/g/gibberishtext">Some link</a>
<body>
 <a href="https://fake.com/:x:/g/gibberishtext">Some link</a>
</body>
<a href="https://fake.com/:x:/g/gibberishtext">Some link</a>
<body>
 <a href="https://fake.com/:x:/g/gibberishtext">Some link</a>
</body>
<html>
 <head>
  <title></title>
 </head>
 <body>
  <a href="https://fake.com/:x:/g/gibberishtext">Some link</a>
 </body>
</html>
<!doctype html>
<html>
 <head>
  <title></title>
 </head>
 <body>
  <a href="https://fake.com/:x:/g/gibberishtext">Some link</a>
 </body>
</html>

Enquanto usar Jsoup.parse() retorna o documento esperado

 Document parse1 = Jsoup.parse(s1);
 System.out.println(parse1.toString());

//Saída do uso do Jsoup 1.19.1

<!doctype html>
<html>
 <head>
  <title></title>
 </head>
 <body>
  <a href="https://fake.com/:x:/g/gibberishtext">Some link</a>
 </body>
</html>

Mais atualizações...

Agora para tornar isso mais interessante...

Se eu chamar Jsoup.parse(s1).stream().forEach(System.out::println), ele retornará um resultado semelhante ao StreamParser.

Por que chamar stream() está causando duplicação?

java