遍历DOM树时Jsoup节点哈希码冲突

Question

我正在使用 java jsoup 构建 HTML DOM 树，其中使用了 Node.hashCode()。但是我发现在遍历DOM树的时候有很多哈希码冲突，使用下面的代码：

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 */
    }
}

所以当这是运行时，我什至在前几个输出中看到许多相同的哈希码。

散列码非常大，我不希望出现这种奇怪的行为。我用的是 jsoup-1.8.1。任何输入将不胜感激，谢谢。

Answer 1

Note: This bug has been fixed in jSoup 1.8.2, so my answer is no longer relevant.

这可能是 jSoup 源代码中的错误。来自 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;
}

我不是 Java 专家，但这看起来可能 return 不同节点的相同值，如果它们具有相同的属性。（和同一位家长，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>

以及以下代码：

String html = //HTML posted above

Document doc = Jsoup.parse(html);

Elements elements = doc.select("[style]");
for (Element e : elements) {
   System.out.println(e.hashCode());
}

它给出：

-148184373
-148184373
-1050420242
2013043377

在计算哈希时似乎完全忽略了内容文本，只有属性很重要。

您或许应该实施自己的解决方法。

已报告错误 here。

遍历DOM树时Jsoup节点哈希码冲突

Jsoup node hash code collision when traversing DOM tree

java

html

dom

hash

jsoup