0
Ich benutze NekoHtml. Es fehlgeschlagen Parsing HTML von Websites wie quecksilbernews.com in DOM. Irgendeine Lösung für das Problem?Wie behandeln/parse schlecht formatierte HTML in DOM in Java?
A
Antwort
3
Über das Umschalten auf other parsers hinaus? Wenn die Site konsistente Fehlermuster aufweist, können Sie sie über eine Reihe von regulären Ausdrücken beheben, bevor Sie sie an den Parser weiterleiten.
5
Haben Sie Tag Suppe in Betracht gezogen?
0
Sie können prüfen, die Swing-HTML-Parser verwenden.
0
Ich habe die Cobra-Renderer aus dem "Projekt Lobo" (http://lobobrowser.org/cobra.jsp) zum Parsen von weniger als freundlicher HTML und es hat funktioniert gut genutzt. Es ist API sehr einfach zu bedienen.
Hoffe, das hilft.
0
Verwenden JTidy es ordentlich vor Parsen, oder besser noch als der Parser verwenden
0
Ich weiß nicht, was „Websites wie“ bedeutet, aber MercuryNews.com und die meisten Nachrichten-Websites eine RSS interface haben.
+0
RSS bietet nur kurze Schnipsel auf den meisten Seiten. Ich bin daran interessiert, die vollständigen Artikel im HTML-Format zu analysieren. –
0
Ich habe versucht jsoup - http://jsoup.org -.
Es ist eine Open-Source-Java-Bibliothek für echte HTML-Analyse und DOM-Manipulation mit jquery-ähnlichen Methoden.
Verwandte Themen
- 1. Schlecht formatierte JSON-Analyse
- 2. Wie man JSON schlecht formatierte (Zitatschlüssel) repariert?
- 3. Excel-Makro, das schlecht formatierte Daten in Tabelle
- 4. wie in html dom schreiben
- 5. Wie lese ich formatierte Eingabe in Java?
- 6. DOM-Implementierung in Java
- 7. Parsing von schlecht formatiert HTML in PHP
- 8. Einfügen von $ in formatierte float-java
- 9. HTML Einfache DOM-Ergebnis in HTML-Tabelle
- 10. R - schlecht formatierte Daten - nicht übereinstimmende Angebote, CSV-Datei
- 11. html parsen in DOM preformance
- 12. Ist es schlecht, HTML in einer PHP-Klasse zu verwenden?
- 13. Wie formatierte Zeichenfolge in OCaml?
- 14. Wie parse quasi-HTML-Text in Java?
- 15. Wie analysiert man folgende in HTML vorhandene Zeichenfolge und erstellt DOM-Baum in Java?
- 16. Javascript html dom Array-Elemente in Schleife
- 17. HTML-String in DOM-Elemente konvertieren?
- 18. php html dom Klammern in href
- 19. Anzeige HTML-formatierte Tabelle mit Webview in Android
- 20. Transform Html DOM
- 21. array_unique() in PHP einfache html dom
- 22. Wie erhalte ich JSON formatierte Daten in C# -Methode Argument
- 23. Wie wird ein HTML DOM mit Shadow DOM serialisiert?
- 24. html DOM Node Grenzen
- 25. PHP HTML DOM Parser
- 26. .NET HTML-DOM-Parser?
- 27. Wie verhindert man HTML-formatierte Datenanalyse über JAXB
- 28. , wie die HTML für ein DOM-Element in Javascript bekommen
- 29. Wie FLV-formatierte ByteArray in OSMF spielen?
- 30. Wie formatierte Nachricht in Log4j2 mit slf4j
Ich finde, dass JTidy ist langsam und wird seit 2000 nicht gepflegt. –