穿越嵌套的HTML递归列出

Question

我无法将HTML带入下面，并将其放入列表中：

List<String> output = Arrays.asList(
    new String[] {
        "First Level-Second Level--Third Level",
        "a-b--c1",
        "a-b--c2",
        "a-b--c3",
        "a-b2--c1",
        "a-b2--c2",
        "a-b2--c3"
    });

<ul>
    <li>First Level</li>
    <ul>
        <li>Second Level</li>
        <ul>
            <li>Third Level</li>
        </ul>
    </ul>
    <li>a</li>
    <ul>
        <li>b</li>
        <ul>
            <li>c</li>
            <li>c</li>
            <li>c</li>
        </ul>
        <li>b2</li>
        <ul>
            <li>c1</li>
            <li>c2</li>
            <li>c3</li>
        </ul>
    </ul>
</ul>

我已经将其加载到jsoup中，像元素一样通过它们。我拥有的代码如下：

public static String recHTML(Element element, String str) { 
    str += "-" + element.ownText(); 
    if (element.children().size() == 0) return str + "--" + element.ownText(); 
    else { 
        for (int i = 0; i < element.children().size(); i++) { 
            Element next = element.child(i); 
            str += recHTML(next, str); 
        }
    }
}

我将带有破折号的字符串返回，以使用正则表达式将它们分成数组以具有不同级别的凹痕。我正在努力使自己的输出匹配，无论我尝试什么，我都无法使它起作用。任何帮助将不胜感激，谢谢。

Answer 1

假设您创建一个像Bellow这样的程序存根：

import java.util.ArrayList;
import java.util.List;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Element;

public class App {
    private static List<String> output = new ArrayList<String>();
    public static void main(String[] args) {
        Element input = Jsoup.parse(/*your HTML list*/).selectFirst("body").child(0);
        recHTML(input, "", "");
        System.out.println(output);
    }

    public static void recHTML(Element element, String chain, String link) {
        // Todo! 
    }
}

现在让我们考虑您的无效HTML示例及其有效的等效

无效HTML输入列表

<ul>
    <li>First Level</li>
    <ul>
        <li>Second Level</li>
        <ul>
            <li>Third Level</li>
        </ul>
    </ul>
    <li>a</li>
    <ul>
        <li>b</li>
        <ul>
            <li>c</li>
            <li>c</li>
            <li>c</li>
        </ul>
        <li>b2</li>
        <ul>
            <li>c1</li>
            <li>c2</li>
            <li>c3</li>
        </ul>
    </ul>
</ul>

当前，您正在尝试实现类似深度优先搜索（DFS）之类的东西。典型的DFS不会。为什么？因为您提供的HTML结构具有多个不会终止A 链的叶子节点。

假设我们调用您的输出的每个元素 a 链。当您以DFS的方式穿越HTML树时，请注意A 链
一旦找到一个li元素，没有ul兄弟姐妹。这应该是您的结束条件。至于递归步骤，请考虑如何处理ul和li元素。定义并不容易；目前，我的解决方案仅适用于您的特定输入。

您的rechtml实现这一目标必然会丑陋，因为从根到叶节点没有直接嵌套链。新的边缘案例将不断出现在您的代码无法正常工作的地方，并且您将继续进行编辑。

public static void recHTML(Element element, String chain, String link) {
    if (element.parent().children().select("ul").isEmpty()) {
        output.add(chain);
    }

    for (int i = 0; i < element.children().size(); i++) {
        Element next = element.child(i);
        if (next.tagName().equals("ul")) {
            recHTML(next, chain  + link + element.child(i - 1).ownText(), link + '-');
        } else {
            recHTML(next, chain  + link + next.ownText(), link);
        }
    }
}

有效的HTML输入列表

<ul>
  <li>
    First level
    <ul>
      <li>
        Second Level
        <ul>
          <li>Third Level</li>
        </ul>
      </li>
    </ul>
  </li>
  <li>
    a
    <ul>
      <li>
        b
        <ul>
          <li>c</li>
          <li>c</li>
          <li>c</li>
        </ul>
      </li>
      <li>
        b2
        <ul>
          <li>c1</li>
          <li>c2</li>
          <li>c3</li>
        </ul>
      </li>
    </ul>
  </li>
</ul>

正如我在我的评论中所建议的那样，您的问题在于输入。假设我们以某种方式将您的输入HTML转换为上述标记。然后，解决方案变得更加干净，更简单 - 简单的DFS将起作用！

public static void recHTML(Element element, String chain, String link) { 
    if (element.children().isEmpty()) {
        output.add(chain);
    }

    for (Element child : element.children()) {
        if (child.tagName().equals("li")) {
            recHTML(child, chain + link + child.ownText(), link + "-");
        } else {
            recHTML(child, chain, link);
        }
    }
}

---

有趣的事实：java html整洁工具

<!-- original snippet -->
<li>First Level</li>
<ul>
  <li>Second Level</li>
  <!-- omitted elements for brevity -->
</ul>

<!-- snippet, corrected by jtidy -->
<li>First Level</li>
<li style="list-style: none">
  <ul>
    <li>Second Level</li>
    <!-- omitted elements for brevity -->
  </ul>
</li>

我个人认为它不会以正确的方式纠正它 - 正确制作HTML嵌套列表的方法？