J F*_*ird 4 html java hash dom jsoup
我正在使用java jsoup来构建HTML DOM树,其中Node.hashCode()使用了它.但是我发现在遍历DOM树时有很多哈希码冲突,使用以下代码:
doc.traverse(new NodeVisitor(){
@Override
public void head(Node node, int depth) {
System.out.println("node hash: "+ node.hashCode());
/* some other operations */
}
@Override
public void tail(Node node, int depth) {
// TODO Auto-generated method stub
/* some codes */
}
}
因此,当运行它时,即使在前几个输出中,我也会看到许多相同的哈希码.
哈希码非常大,我不期望这种奇怪的行为.我使用了jsoup-1.8.1.任何意见都将非常感谢,谢谢.
注意:此错误已在jSoup 1.8.2中修复,因此我的答案不再适用.
它可能是jSoup源代码中的一个错误.从来源:
@Override
public int hashCode() {
int result = parentNode != null ? parentNode.hashCode() : 0;
// not children, or will block stack as they go back up to parent)
result = 31 * result + (attributes != null ? attributes.hashCode() : 0);
return result;
}
我不是Java专家,但如果它们具有相同的属性,它看起来可能会为不同的节点返回相同的值.(和同一位家长一样,感谢@alkis的评论)
编辑:我可以重现这个.使用以下HTML:
<html>
<head>
</head>
<body>
<div style="blah">TODO: write content</div>
<div style="blah">Nothing here</div>
<p style="test">Empty</p>
<p style="nothing">Empty</p>
</body>
</html>
以下代码:
String html = //HTML posted above
Document doc = Jsoup.parse(html);
Elements elements = doc.select("[style]");
for (Element e : elements) {
System.out.println(e.hashCode());
}
它给:
-148184373
-148184373
-1050420242
2013043377
在计算哈希时,它似乎完全忽略了内容文本,只有属性很重要.
您应该实现自己的解决方法.