使用Java解析HTML中的“style”属性

Question

我有解析成org.w3c.dom.Document的HTML代码。我需要检查所有style属性的标签，解析它们，更改一些CSS属性，并将修改后的样式定义放回属性中。

是否有标准的方法来解析style属性？我该如何使用org.w3c.dom.css包中的类和接口？

我需要一个Java解决方案。

- Andrey

---

不建议使用正则表达式。这是9成新手首先要求的，但我们都知道这是不可能的。 - Paul Tomblin

Answer 1

如果您希望在不依赖任何其他工具的情况下实现此功能，您可以使用javax.swing.text.html包中的类来完成大部分工作：

import javax.swing.text.html.*;

StyleSheet styleSheet = new StyleSheet()
AttributeSet dec = ss.getDeclaration("margin:2px;padding:3px");
Object marginLeft = dec.getAttribute(CSS.Attribute.MARGIN_LEFT);
String marginLeftString = marginLeft.toString(); // "2px"

这将返回一个 StyleSheet.CssValue，不幸的是它并不是公开的。因此需要将其转换为字符串。另外，它不会处理 em 单位。虽然在各种样式方面有点聪明，但不是理想的解决方案，但避免了依赖关系。

- Sam Barnum

---

谢谢您的解决方案，但我想看到更通用的东西，支持非标准CSS属性（例如moz_xxx）。换句话说，我需要一个通用的解析器，只解析样式而不实现它。 - Andrey

Answer 2

首先，我会查看javax.xml包中的类。 javax.xml.parsers包含两种解析方式的解析器：SAXParser和DocumentBuilder。听起来你想要使用DocumentBuilder创建DOM。你可以手动遍历DOM（缓慢而痛苦），或者你可以使用XPath标准在DOM中查找元素。Java对此的支持在javax.xml.xpath中。

XPathExpression xpath = XPath.compile("//@style");
Object results = xpath.evaluate(dom, XPathConstants.NODESET);

将结果转换为NodeList并正确迭代是您的责任，但这是最直接的方法来获取您想要的内容。请查看Java的DOM API以获取有关读取和更改值的更多信息。

我不认为Java内置了CSS解析器的支持，但您可以查看这些项目：

• http://www.w3.org/Style/CSS/SAC/Overview.en.html
• http://cssparser.sourceforge.net/

这可能有助于您实现目标。注意：Batik CSS解析器已纳入更大的Apache Batik项目中：http://xmlgraphics.apache.org/batik/index.html，其中可能包含您所需的内容，而且它具有企业友好的许可证。

- Berin Loritsch

---

HTML已经被解析，我也知道如何收集样式属性。现在我需要解析这些样式属性的内容。即将带有CSS定义的字符串转换为键值对集合或类似的东西。 - Andrey

你看了我指给你的CSS解析器项目了吗？没有javax.*包用于解析CSS。穷人的方法是使用正则表达式，这对于CSS来说可以工作得很好 - 但这不是你想要的。 - Berin Loritsch

感谢提供的库链接。css.sac旨在解析CSS样式表。cssparser没有任何文档，甚至没有简单的使用说明。batik对于我的任务来说似乎过于复杂。 - Andrey

Answer 3

我不确定我完全理解你的要求，但基本上，你需要：

1. 读取样式表并提取CSS规则。
2. 读取HTML页面并查找属性。
3. 用新的CSS属性替换旧的CSS属性。
4. 编写HTML页面。

看起来你会使用CSSStyleSheet接口从样式表中提取CSS规则。

- Gilbert Le Blanc

---

不，我有一个包含样式属性值的字符串，我需要按照CSS标准将其解析为键值对。 - Andrey