Jsoup 支持 HTML 语法错误检测，但需显式配置并使用自定义 Parser 实例；若直接调用 Jsoup.parse(String)，默认解析器不会收集错误信息。
jsoup 支持 html 语法错误检测，但需显式配置并使用自定义 parser 实例；若直接调用 `jsoup.parse(string)`，默认解析器不会收集错误信息。
Jsoup 并非仅用于 HTML 清洗和 DOM 提取，它还内置了轻量级的 HTML 解析错误追踪能力，适用于验证用户提交或第三方接口返回的 HTML 字符串是否符合基本语法规范。关键在于：必须显式创建并传入已启用错误追踪的 Parser 实例，否则 getErrors() 始终返回空列表。
✅ 正确用法：绑定自定义 Parser
以下是最小可运行示例，演示如何捕获 HTML 解析错误：
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.parser.Parser;
import org.jsoup.parser.ParseError;
public class HtmlErrorChecker {
public static void main(String[] args) {
String badHtml = "<div>"; // 故意写错的标签
// 1. 创建 Parser 并启用错误追踪（最多记录 10 条）
Parser parser = Parser.htmlParser().setTrackErrors(10);
// 2. 显式使用该 parser 解析 HTML（关键！）
Document doc = Jsoup.parse(badHtml, "", parser);
// 3. 获取并遍历错误
List<parseerror> errors = doc.parser().getErrors();
System.out.println("Detected " + errors.size() + " parse error(s):");
for (ParseError error : errors) {
System.out.println("Line " + error.pos().line() +
", Col " + error.pos().column() +
": " + error.toString());
}
}
}<blockquote>
<p>? 输出示例：</p><div class="aritcle_card flexRow artxards">
<div class="artcardd flexRow">
<a class="aritcle_card_img" rel="nofollow" href="/xiazai/skill7155" title="Browser Js"><img
src="https://img.php.cn/upload/skill/000/000/081/179134209757570.jpg" alt="Browser Js" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
<div class="aritcle_card_info flexColumn">
<a rel="nofollow" href="/xiazai/skill7155" title="Browser Js" class="overflowclass">Browser Js</a>
<p class="overflowclass">轻量级CDP浏览器控制，适用于AI代理。相较于内置浏览器工具，token消耗降低3‑10倍，仅在浏览时使用。</p>
</div>
<a rel="nofollow" href="/xiazai/skill7155" title="Browser Js" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span>
</a>
</div>
</div>
<pre class="brush:php;toolbar:false;">Detected 2 parse error(s):
Line 1, Col 7: : Unexpected character '-' in input state [TagOpen]
Line 1, Col 12: : Unexpected EOF token [] when in state [InBody]
⚠️ 常见误区与注意事项
- ❌ 错误写法：
Jsoup.parse(html)—— 使用的是默认无状态 Parser，setTrackErrors()完全无效； - ❌ 忘记传入
baseUri参数：Jsoup.parse(html, parser)会因签名不匹配而编译失败；正确重载是Jsoup.parse(html, baseUri, parser)，baseUri可为空字符串""； - ⚠️
setTrackErrors(n)仅控制最大错误数上限，不影响错误检测逻辑本身； - ⚠️ Jsoup 的错误检测基于其内部 HTML5 兼容解析器，不等价于 W3C 验证器，不校验语义（如
<div> 是否闭合合法）、DOCTYPE 或 CSS/JS 语法，仅捕获解析阶段的词法与状态机异常；<li>✅ 对于严格合规性要求（如 XHTML、无障碍标准），建议结合 <a href="https://www.php.cn/link/9ffe7d903de2691357188406c25cadf8" rel="nofollow" target="_blank">validator.w3.org nu</a> 等专业服务。</li> <h3>✅ 替代方案简评</h3> <p>若需更严格的 HTML 验证：</p> <ul> <li> <strong><a href="https://www.php.cn/link/9ffe7d903de2691357188406c25cadf8" rel="nofollow" target="_blank">vnu.jar</a></strong>：W3C 官方 Java 验证器，支持命令行与嵌入式调用，精度高但启动开销大；</li> <li> <strong><a href="https://www.php.cn/link/51f383b1d6cd70f9aa5381ed9ce8127e" rel="nofollow" target="_blank">HTML Tidy</a></strong>（通过 JNI 或进程调用）：修复+报告双模式，适合预处理场景；</li> <li> <strong>自定义 SAX/DOM 校验器</strong>：适用于已知 DTD/XSD 的封闭环境，灵活性高但开发成本大。</li> </ul> <p>综上，Jsoup 完全胜任轻量级、实时、嵌入式 HTML 语法健壮性检查——只要记住：<strong>Parser 要配，更要传</strong>。</p> </div>
