本文介绍一种基于 Jsoup 的健壮 HTML 表格解析方案，解决因 中意外多出 导致表头（）与数据行（）列数不一致、字段错位的问题，确保 date、Status、FileName、RowsProcessed 等字段精准映射。
本文介绍一种基于 jsoup 的健壮 html 表格解析方案，解决因 `
在使用 Cucumber 进行 Web 自动化验收测试时，常借助 TableParser 解析 HTML 表格数据。但当页面 HTML 存在不规范结构——例如某 <tr> 中因前端逻辑错误多渲染了一个 <code><td>（如状态栏动态插入额外单元格），就会导致表头列数（如 4 列：<code>date / Status / FileName / RowsProcessed）与实际数据行列数（如 5 列）不匹配。此时标准解析器易发生“错位映射”：FileName 被赋值为原 Status 的值，RowsProcessed 取到 FileName 的值，而 Status 反成空字符串——严重破坏断言可靠性。
为此，我们设计了 HtmlTableWithHeader 工具类，核心思想是：严格按表头列定义进行截断式映射，忽略冗余单元格，而非强求行列完全对齐。该类基于 Jsoup 实现，具备高容错性与语义清晰性：
- ✅ 自动识别
<th>（表头）与 <code><td>（数据单元格），统一用 <code>CELL_EVALUATOR提取所有合法单元格； - ✅ 提取表头文本生成字段名列表（
headerLabels）； - ✅ 遍历每行数据时，仅取前
min(headerLabels.size(), 实际单元格数)个单元格，逐列绑定至对应字段； - ✅ 返回
List<map string>></map>，天然适配 Cucumber DataTable 断言或自定义校验逻辑。
以下是关键实现代码（已精简注释，突出健壮性设计）：
public class HtmlTableWithHeader {
private final Element headerRow;
private final List<element> bodyRows;
private static final Set<string> CELL_TAGS = Set.of("td", "th");
private static final Evaluator CELL_EVALUATOR = new Evaluator() {
@Override
public boolean matches(Element root, Element element) {
return CELL_TAGS.contains(element.tagName().toLowerCase());
}
};
public static HtmlTableWithHeader parse(Element tableElement) {
if (!"table".equalsIgnoreCase(tableElement.tagName())) {
throw new IllegalArgumentException("Expected <table>, got: " + tableElement.tagName());
}
Elements rows = tableElement.getElementsByTag("tr");
Iterator<element> it = rows.iterator();
Element header = it.hasNext() ? it.next() : null;
return new HtmlTableWithHeader(header, new ArrayList(it));
}
public List<map string>> getRowsAsListOfMaps() {
if (headerRow == null || bodyRows.isEmpty()) return Collections.emptyList();
// 安全提取表头文本（忽略空/空白）
List<string> headers = Collector.collect(CELL_EVALUATOR, headerRow).stream()
.map(Element::text)
.map(String::trim)
.filter(s -> !s.isEmpty())
.collect(toList());
List<map string>> result = new ArrayList();
for (Element row : bodyRows) {
Elements cells = Collector.collect(CELL_EVALUATOR, row);
Map<string string> rowMap = new LinkedHashMap();
int bound = Math.min(headers.size(), cells.size());
for (int i = 0; i <p><strong>使用示例（Cucumber Step Definition 中）：</strong></p><div class="aritcle_card flexRow artxards">
<div class="artcardd flexRow">
<a class="aritcle_card_img" rel="nofollow" href="/xiazai/skill6712" title="Wechat HTML Publisher"><img
src="https://img.php.cn/upload/skill/000/000/081/179109368394970.jpg" alt="Wechat HTML Publisher" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
<div class="aritcle_card_info flexColumn">
<a rel="nofollow" href="/xiazai/skill6712" title="Wechat HTML Publisher" class="overflowclass">Wechat HTML Publisher</a>
<p class="overflowclass">直接上传HTML富文本到微信公众号草稿箱。支持完整的HTML格式,无需Markdown转换。</p>
</div>
<a rel="nofollow" href="/xiazai/skill6712" title="Wechat HTML Publisher" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span>
</a>
</div>
</div>
<pre class="brush:php;toolbar:false;">@Then("the report table contains correct status entries")
public void verifyReportTable(Document doc) {
Element table = doc.getElementById("report-table");
HtmlTableWithHeader parser = HtmlTableWithHeader.parse(table);
List<map string>> rows = parser.getRowsAsListOfMaps();
// 安全断言：即使某行多一个<td>，Status 字段仍准确取值
assertThat(rows).anySatisfy(row ->
assertThat(row).containsEntry("Status", "SUCCESS")
.containsEntry("FileName", "data_2024.csv")
);
}<p><strong>注意事项：</strong> </p>
<ul><li>该方案<strong>不修复 HTML 源码问题</strong>，而是构建面向测试的弹性解析层；生产环境仍应推动前端修复冗余 <code><td>； <li>若需兼容 <code><colspan></colspan></code>/<code><rowspan></rowspan></code>，需扩展单元格坐标映射逻辑（当前版本暂不支持）； </li>
<li>建议搭配 <code>AssertJ</code> 或 <code>JUnit 5</code> 的 <code>assertThat</code> 进行结构化断言，避免手动遍历比对； </li>
<li>在 Cucumber 中，可将 <code>getRowsAsListOfMaps()</code> 结果直接转换为 <code>DataTable</code> 或用于 <code>DataTable.diff()</code> 对比。</li>
<p>通过此方案，你不再受限于 HTML 的“完美结构”，而是以业务语义（字段名）为中心，实现稳定、可维护、抗干扰的表格验证逻辑。</p>
</td></code>
</li></ul>
</td></map>
前端入门到VUE实战笔记：立即使用
在学习笔记中，你将探索 前端 的入门与实战技巧！
