如何将Jsoup文档转换为W3C文档？

Question

我通过解析内部HTML页面构建了一个Jsoup文档,

public Document newDocument(String path) throws IOException {

    Document doc = null;
    doc = Jsoup.connect(path).timeout(0).get();
            return new HtmlDocument<Document>(doc);
}

我想将Jsoup文档转换为org.w3c.dom.Document 我使用的可用库DOMBuilder,但是在解析时我得到org.w3c.dom.Documentnull.我无法理解这个问题,尝试搜索但无法找到任何答案.

用于生成W3C DOM文档的代码:

Document jsoupDoc=factory.newDocument("http:localhost/testcases/test_2.html"));
org.w3c.dom.Document docu= DOMBuilder.jsoup2DOM(jsoupDoc);

有人可以帮我这个吗？

Answer 1

或者,Jsoup为W3CDom类提供方法fromJsoup.此方法将Jsoup文档转换为W3C文档.

Document jsoupDoc = ...
W3CDom w3cDom = new W3CDom();
org.w3c.dom.Document w3cDoc = w3cDom.fromJsoup(jsoupDoc);

更新:

• 从1.10.3开始, W3CDom 不再是实验性的.
• 直到Jsoup 1.10.2 W3CDom类仍然是实验性的.

Answer 2

要通过HTTP检索jsoup文档,请拨打电话Jsoup.connect(...).get(). 要在本地加载jsoup文档,请拨打电话Jsoup.parse(new File("..."), "UTF-8").

呼叫DomBuilder是正确的.

当你说,

我使用了一个可用的DOMBuilder库,但在解析时我将org.w3c.dom.Document视为null.

我想你的意思是,"我使用了一个可用的库,DOMBuilder,但是在打印结果时,我得到了[#document: null]." 至少,这是我在尝试打印w3cDoc对象时看到的结果- 但这并不意味着对象为空.我能够通过调用getDocumentElement和遍历文档getChildNodes.

public static void main(String[] args) {
    Document jsoupDoc = null;

    try {
        jsoupDoc = Jsoup.connect("http://stackoverflow.com/questions/17802445").get();
    } catch (IOException e) {
        e.printStackTrace();
    }

    org.w3c.dom.Document w3cDoc= DOMBuilder.jsoup2DOM(jsoupDoc);
    Element e = w3cDoc.getDocumentElement();
    NodeList childNodes = e.getChildNodes();
    Node n = childNodes.item(2);
    System.out.println(n.getNodeName());
}