如何在Java中解析和修改HTML文件

Question

我正在进行一个项目，需要读取HTML文件并识别特定的标签，修改标签的内容，并创建一个新的HTML文件。是否有一个解析HTML标签并能够将标签写回新文件的库？

- chai

Answer 1

请查看http://jsoup.org，它拥有友好的DOM API，在处理简单任务时你不需要解析HTML。

- Victor Ionescu

Answer 2

有太多的HTML解析器可供使用。你可以使用JTidy、NekoHTML或检查TagSoup。

我通常更喜欢使用标准的Java XML解析器来解析XHTML，但是对于任何类型的HTML都无法这样做。

- ivy

Answer 3

如果你想修改网页并返回修改后的内容，我认为最好的方法是使用XSLT转换。
http://en.wikipedia.org/wiki/XSLT

- Igor Konoplyanko

---

我想这就是我一直在期待的。我需要生成报告并以用户喜欢的格式呈现它。 - chai

我目前正在使用Xalan处理器，代码运行得非常好。这是处理器的链接http://xml.apache.org/xalan-j/。 - chai

Answer 4

请查看http://java-source.net/open-source/html-parsers，获取解析HTML文件为Java对象的Java库列表。

如果您正在处理格式良好（XHTML）的HTML文件，则还可以使用Java中的XML库查找特定标记并修改它们。IO本身应由您使用的特定库处理。

如果您选择手动解析字符串，则可以使用正则表达式查找特定标记，并使用Java IO库编写文件并创建新的HTML文档。但是，这种方法重新发明了轮子，因为您必须管理标记的打开和关闭，而所有这些都由现有的库处理。

- Matt Phillips