JEditorPaneHTMLEditorKitParserOutOfMemory内存溢出

本文目录导读：

1. 问题根因分析
2. 立即修复方案
3. 运行时调优（临时缓解）
4. 针对性代码检查清单
5. 终极替代方案
6. 快速诊断工具

这是一个典型的Java Swing组件JEditorPane配合HTMLEditorKit解析HTML时导致的内存溢出（OutOfMemoryError）问题，这类问题通常由畸形HTML、超大嵌套深度、或大量未关闭标签引发。

下面是针对该问题的系统性诊断与解决方案：

问题根因分析

HTMLEditorKit的底层解析器（ParserDelegator）是基于Swing的HTML 3.2/HTML 4.0的严谨解析器,它有以下弱点：

• 递归解析：遇到未闭合的嵌套标签（如<div><div><div>...）会产生深度递归,迅速耗尽栈和堆。
• 内存分配策略：它会预分配大量char[]和String对象来处理标记符号,尤其是大文件或长属性值。
• 非流式处理：整个HTML必须完全加载到内存中构建DOM树（Swing HTML Document），不支持SAX/流式解析。

立即修复方案

方案A：限制输入大小与标签深度

import javax.swing.text.html.*;
import javax.swing.text.html.parser.*;
// 自定义解析器，限制递归深度
public class SafeHtmlEditorKit extends HTMLEditorKit {
    // 最大允许的嵌套深度
    private static final int MAX_NESTING_DEPTH = 100;
    @Override
    public ViewFactory getViewFactory() {
        // 返回自定义ViewFactory，用于限制渲染深度
        return new SafeHTMLFactory();
    }
    private static class SafeHTMLFactory extends HTMLEditorKit.HTMLFactory {
        @Override
        public View create(Element elem) {
            // 检查元素深度，超过阈值返回空View
            int depth = getDepth(elem);
            if (depth > MAX_NESTING_DEPTH) {
                return new javax.swing.text.html.InlineView(elem) {
                    @Override
                    public float getPreferredSpan(int axis) {
                        return 0; // 不占用空间
                    }
                };
            }
            return super.create(elem);
        }
        private int getDepth(Element elem) {
            int depth = 0;
            while (elem != null) {
                depth++;
                elem = elem.getParentElement();
            }
            return depth;
        }
    }
}

使用：

JEditorPane editor = new JEditorPane();
editor.setEditorKit(new SafeHtmlEditorKit());

方案B：使用外部流式HTML解析器预处理

最干净的解决方案——不要用HTMLEditorKit解析长HTML，而是用Jsoup（成熟、流式安全）预处理成安全片段：

import org.jsoup.Jsoup;
import org.jsoup.safety.Safelist;
import org.jsoup.nodes.Document;
// Maven依赖: org.jsoup:jsoup:1.17.1
public String sanitizeHtml(String rawHtml) {
    // 1. 使用Jsoup解析（流式、非递归DOM构建）
    Document doc = Jsoup.parse(rawHtml, "UTF-8");
    // 2. 清理/转义（去掉危险标签和过度嵌套）
    //    basic() 保留: a, b, blockquote, br, cite, code, dd, dl, dt, em, i, li, ol, p, pre, q, small, span, strike, strong, sub, sup, u, ul
    String safeHtml = Jsoup.clean(doc.body().html(), Safelist.basic());
    // 3. 限制大小（比如前50KB）
    if (safeHtml.length() > 50 * 1024) {
        safeHtml = safeHtml.substring(0, 50 * 1024) + "...";
    }
    return safeHtml;
}

然后在JEditorPane中显示：

String safeHtml = sanitizeHtml(rawHtml);
editor.setText(safeHtml);

运行时调优（临时缓解）

如果无法修改代码,可以尝试调整JVM参数：

# 增加堆内存（至少给到512MB以上）
java -Xms512m -Xmx1024m -XX:+UseG1GC -XX:MaxInlineLevel=15 YourApp
# 或启用并发GC减少Full GC停顿
-XX:+UseConcMarkSweepGC

针对性代码检查清单

• [x] 是否使用setText()而不是read()？

  • read(Reader, ...) 不会重置解析器状态，累计内存，优先用setText()。

• [x] 是否反复更新同一个JEditorPane

  • 每次更新前调用editor.setText(null)清除旧文档,避免累积。

• [x] 是否包含大量<table>嵌套？

  • 表格解析是已知的重度递归区域，建议用<div>+CSS替代。

• [x] 是否使用<script>或<style>

  • HTMLEditorKit不会执行脚本，但会解析其内容，可能导致内存膨胀,清理掉这些标签。

• [x] 是否以字符串方式动态拼接HTML？

  可能是拼接过程中产生了超大字符串（如循环拼接）,检查拼接逻辑。

// 在Swing中嵌入JavaFX
import javafx.application.Platform;
import javafx.embed.swing.JFXPanel;
import javafx.scene.Scene;
import javafx.scene.web.WebView;
JFXPanel fxPanel = new JFXPanel();
Platform.runLater(() -> {
    WebView webView = new WebView();
    webView.getEngine().loadContent(yourHtmlString);
    fxPanel.setScene(new Scene(webView));
});
// 然后将fxPanel加入Swing容器

# 打印GC详情
-XX:+PrintGCDetails -XX:+PrintGCTimeStamps
# 启用内存溢出自动Dump（分析堆）
-XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/tmp/heapdump.hprof