Clojure中与Python的lxml库相当的库是什么？

Question

我正在寻找Clojure/Java版本的Python lxml库。

过去我用过它来解析各种HTML（作为BeautifulSoup的替代品），而且它很好地实现了XML的elementtree API - 真的是个可靠的朋友！ 请问有没有类似的Java/Clojure库可以推荐？

关于lxml：

lxml是一个基于libxml2的XML和HTML处理库。它能够很好地处理破损的HTML页面，因此非常适合屏幕抓取任务。它还实现了ElementTree API，因此XML/HTML结构被表示为树形对象，并完全支持XPath和CSS选择器等功能。

此外，它还具有一些非常方便的实用程序函数，如“cleaner”模块，可以从“soup”中剥离出不需要的标签（例如脚本标签、样式标签等）。

因此，它易于使用、强大且非常快速...！

- erikcw

---

一个简短的描述lxml的作用可能有助于Java/Clojure专家理解您正在寻找什么。 - pstanton

好主意--加上了“关于lxml”的部分。 - erikcw

Answer 1

Enlive: http://github.com/cgrand/enlive

我曾用它进行屏幕抓取，效果不错。它使用类似CSS选择器的语法来获取文档中的元素。

- dnolen

Answer 2

对于Java（因此可以从Clojure使用）的是tagsoup-library，它像lxml一样是一个容错解析器，适用于有错误的SGML变体。

Clojure有一个捆绑的命名空间clojure.xml，但这仅适用于有效的XML。

- pmf