jsoupの要素の文字オフセットを取得

Question

jsoup要素を元のHTMLの特定の文字オフセットにマップする必要があります。私はこのようになりますHTML持っている言い換えれば、：

Hello <br/> World 

を私は「こんにちは」から始まることを知っておく必要がありオフセット0と6文字の長さを有し、時<br/>開始は6オフセットと長さを持っています5文字など。

この情報を返すElement javadoc内にゲッターが見つかりませんでした。それは取り戻すことができますか？

Answer 1

私はJsoupがこの機能を持っているとは思わない。この質問は、HTML解析よりも字句解析に近いと思われます。

私は文法を書いて、その文法に対してレクサーを書いてHTMLをトークン化し、あなたが探しているオフセットを供給します。

まず、Jsoupでドキュメントを解析し、有効なHTMLであることを確認します。

次に、文法に対して文書を字句解析します。文法は見えるかもしれませんように：

Document := {optional-opening-tag} | {literal} {optional-opening-tag} | {optional-closing-tag} 

optional-opening-tag := ["<" {literal} ">" {optional-opening-tag}|{literal} ] | "" 

optional-closing-tag := "</ {literal} ">" | "" 

literal := any string of characters not beginning with whitespace, or containing "<" 

挿入しますトークン、最初の文字のインデックス、および長さを格納するオブジェクトで見つける各トークン。