Android Studio - SAXParseException beim Zugriff auf Wikipedia-Seite

Question

Ich habe ein sehr ungewöhnliches Problem mit Android Studio, die vor 4 Tagen begann (ich nehme nach dem Update). Das Problem ist: Die Ausnahme wird geworfen, wenn versucht wird, jede Seite zu lesen (parsen), ob es Wikipedia, Google, Yahoo, einige Java-Dokumentation ... ist, aber wenn ich den gleichen Code in Eclipse schreibe, funktioniert alles gut. So, hier ist der Code von der anrufenden Klasse (Aktivität):

`new Thread(new ImgCrawlerThread("https://en.wikipedia.org/wiki/Batman_(comic_book)")).start();` 

Und hier ist der Code aus dem ImgCrawlerThread:

public void run() { 
    // TODO Auto-generated method stub 
    try { 
     //Thread.sleep(60000); 
     URL url = new URL(httpsurl); 
     HttpsURLConnection https = (HttpsURLConnection)url.openConnection(); 
     DocumentBuilder db; 
     DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance(); 
     db = dbf.newDocumentBuilder(); 
     Document doc = db.parse(https.getInputStream()); 
     NodeList nodes = doc.getElementsByTagName("img"); 
     System.out.println(nodes.item(0).getAttributes().getNamedItem("src").getNodeValue()); 
     https.disconnect(); 
    } catch (MalformedURLException e) { 
     // TODO Auto-generated catch block 
     e.printStackTrace(); 
    } catch (IOException e) { 
     // TODO Auto-generated catch block 
     e.printStackTrace(); 

    } catch (ParserConfigurationException e) { 
     // TODO Auto-generated catch block 
     e.printStackTrace(); 
    } catch (SAXException e) { 
     // TODO Auto-generated catch block 
     e.printStackTrace(); 
    } 

} 

Die Ausnahme in Android Studio aus dem Code ausgelöst wird: Document doc = db.parse(https.getInputSteam())

Das Ergebnis aus der Eclipse-Ausführung sieht wie folgt aus:

//upload.wikimedia.org/wikipedia/en/thumb/4/4d/BatmanComicIssue1%2C1940.png/250px-BatmanComicIssue1%2C1940.png

Und aus dem Android Studio:

 `org.xml.sax.SAXParseException: expected: /img read: a (position:END_TAG </a>@43:317 in java.io.InputStreamReader@1f213bb3) 
System.err:  at org.apache.harmony.xml.parsers.DocumentBuilderImpl.parse(DocumentBuilderImpl.java:146) 
System.err:  at javax.xml.parsers.DocumentBuilder.parse(DocumentBuilder.java:107) 
System.err:  at com.finki.filip.crawlingtest.CrawlerAsync.doInBackground(CrawlerAsync.java:61) 
System.err:  at com.finki.filip.crawlingtest.CrawlerAsync.doInBackground(CrawlerAsync.java:37) 
System.err:  at android.os.AsyncTask$2.call(AsyncTask.java:288) 
System.err:  at java.util.concurrent.FutureTask.run(FutureTask.java:237) 
System.err:  at android.os.AsyncTask$SerialExecutor$1.run(AsyncTask.java:231) 
System.err:  at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1112) 
System.err:  at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:587) 
System.err:  at java.lang.Thread.run(Thread.java:818)` 

Ich würde jedem dankbar sein, den mir eine vernünftige Meinung zu diesem irrationalen Problem geben könnte !!!

Answer 1

HTML! = XML

XML-Parser sind ziemlich streng über Eingabegrammatik. Webbrowser hingegen müssen mit nicht übereinstimmenden Tags usw. zurechtkommen und sind viel fehlerverzeihender. Wenn Sie also versuchen, Webseiten mit einem XML-Parser zu parsen, wird dies ein verlustreicher Kampf sein.

Sogar Google hat das gleiche Problem in Android. Wenn Sie sich den Quellcode Html.fromHtml() ansehen, der HTML in das markierte SpannableString konvertiert, werden Sie feststellen, dass sie eine Open-Source-Bibliothek namens jsoup verwenden. Dies ermöglicht die Analyse von "tag-soup" HTML wie XML. Es wird aus wirklich gebrochenem HTML-Markup ein vernünftiges DOM für Sie erstellen. Ich schlage vor, Sie betrachten jsoup für Ihre Anwendung.