遍历DOM树时Jsoup节点哈希码冲突 [英] Jsoup node hash code collision when traversing DOM tree
问题描述
我使用java jsoup构建HTML DOM树，其中使用了 Node.hashCode（）。但是，我发现使用以下代码遍历DOM树时有很多哈希代码冲突：
doc.traverse new NodeVisitor（）{/ pre>
@Override
public void head（Node node，int depth）{
System.out.println（node hash：+ node.hashCode（））;
/ *一些其他操作* /
}
@Override
public void tail（Node node，int depth ）{
// TODO自动生成的方法存根
/ *一些代码* /
}
}
所以当这个运行时，即使在前几个输出中也可以看到许多相同的哈希码。
哈希码是相当大的，我不期望这样奇怪的行为我使用jsoup-1.8.1
任何输入将不胜感激，谢谢。解决方案
注意：这个错误已经在jSoup 1.8.2中解决了，所以我的答案不再是vant。
这可能是jSoup源代码中的错误。从来源 ：
@Override
public int hashCode（）{
int result = parentNode！= null？ parentNode.hashCode（）：0;
//不是子代，否则将阻止堆栈返回父项）
result = 31 * result +（attributes！= null？attributes.hashCode（）：0）;
返回结果;
}
我不是Java专家，但是看起来可能会返回不同节点的值相同，如果它们具有相同的属性。 （和同一个父母，感谢@alkis的评论）
编辑：我可以再现这个。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 = //上面发布的HTML
文档doc = Jsoup.parse（html）;
元素元素= doc.select（[style]）; （元素e：元素）
{
System.out.println（e.hashCode（））;
}
它给出：
-148184373
-148184373
-1050420242
2013043377
似乎在计算哈希时完全忽略内容文本，只有属性很重要。
您应该可以实现自己的解决方法。
报告错误 here 。
I'm using java jsoup to build HTML DOM trees, in which
Node.hashCode()is used. But I find there are a lot of hash code collisions when traversing the DOM tree, using the following code: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 */ } }So when this is run, I see many identical hash codes even in the first several outputs.
The hash codes are pretty large and I don't expect such weird behavior. I used jsoup-1.8.1. Any input will be greatly appreciated, thanks.
解决方案Note: This bug has been fixed in jSoup 1.8.2, so my answer is no longer relevant.
It might to be a bug in jSoup source. From the source:
@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; }I'm not a Java expert, but this looks like it could return the same value for different Nodes, if they have the same attributes. (And the same parent, thanks @alkis for the comment)
Edit: I can reproduce this. Using the following 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>And the following code:
String html = //HTML posted above Document doc = Jsoup.parse(html); Elements elements = doc.select("[style]"); for (Element e : elements) { System.out.println(e.hashCode()); }It gives:
-148184373 -148184373 -1050420242 2013043377It seems to ignore the content text entirely while calculating the hash, and only the attributes are important.
You should probably implement your own workaround.
Bug reported here.
这篇关于遍历DOM树时Jsoup节点哈希码冲突的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
