JsoupのURLパラメータのエンコードを停止するにはどうすればよいですか？

Question

私は、スクリプト、noscript、およびスタイルタグで構成されたコードのブロックを処理するために、JsoupのparseBodyFragment()とparse()メソッドを使用しています。目的はそれらをきれいにすることではなく、ただselect()に、それらを分析し、出力することです。 select()部分は本当にうまく機能します。

しかし、問題は、src属性のurlパラメータを自動的にエンコードすることです。だから、とき入力はこれです：私はこれで終わる

<noscript> 
<img height="1" width="1" style="display:none;" alt="" src="https://something.orother.com/i/cnt?txn_id=123&p_id=123"/> 
</noscript> 

、outerHTML()メソッドを介して、Jsoupから返さ：

<noscript> 
<img height="1" width="1" style="display:none;" alt="" src="https://something.orother.com/i/cnt?txn_id=123&amp;p_id=123"/> 
</noscript> 

urlパラメータで標準アンパサンド（&）という問題が符号化され、&として出力されています。これを無効にする方法はありますか？

私は、選択した要素のhtmlを変更せずに取得する方法を探しています。ありがとう！

更新（2011年2月23日）：明白な問題。また、問題を説明するGithubリポジトリに問題が見つかりました：https://github.com/jhy/jsoup/issues/372。これは不可能かもしれないように見えます。

Answer 1

元のHTMLが無効です。文字参照を開始しない&は、HTML属性値で&と表さなければなりません。

HTMLパーサーはエラー回復を実行し、有効なDOMを生成することが期待されています。

Jsoupは、HTMLをDOMに解析してクエリを実行し、その後DOMをHTMLにエクスポートして戻します。

空白の正規化、エラー回復、またはパーサーが行うその他の処理を避けることはできません。 Jsoupがデータを抽出するために使用するアプローチは、エラーの保存をサポートするようには設計されていません。