HtmlUnit処理空白

Question

HtmlUnitを使用して、Htmlページの処理を行っています。私の問題は、空白を正しく維持しているようには見えないということです。

元のHTMLは次のようになります。

としてレンダリング

<div><cite>www.<b>example</b>.com</cite> 

：

WWW。 例 .com

domの他の部分を解析するためにhtml単位を使用した後、getXml（）を使用してhtmlを出力します。こうすることで、HTMLがきれいに印刷されます：

WWW：

<div> 
    <cite> 
     www. 
     <b> 
     example 
     </b> 
     .com 
    </cite> 

これはとしてレンダリング終わります。 例 .com

例の前後に余分なスペースがあることに注意してください。

私は、結果としてきれいに印刷されたdomから空白を切り取ってみましたが、あなたが実際にそれらを必要とする場所でスペースを失いました。

生成されたdomを実行すると、HtmlUnitは、作成時にすべてのDomTextノードをトリミングするように見えるため、スペース情報は失われます。

この情報を追跡するためにHtmlUnitを構成する方法はありますか？または元のhtmlをよりよく維持する代替手段ですか？私はちょうどXPathを介してhtmlの余分な部分にできるようにする必要があります。私は、これは元のHTMLを返すべきだと思います

Answer 1

：JavaScriptを使用して

WebClient webClient = new WebClient(); 
HtmlPage page = webClient.getPage("http://www.yourpage.com"); 
String originalHtml = page.getWebResponse().getContentAsString(); 

Answer 2

は、余分な空白なしでHTMLを取得します。

WebClient client = new WebClient(BrowserVersion.FIREFOX_17); 
HtmlPage page = client.getPage(url); 
client.waitForBackgroundJavaScript(5000); 

String html = htmlPage.executeJavaScript("document.body.parentNode.outerHTML") 
    .getJavaScriptResult() 
    .toString();