使用Java解析具有“未闭合标签”的HTML

Question

使用Java解析具有“未闭合标签”的HTML

3

我的问题非常简单：在Java中是否有一种方法可以将包含像img标签这样的标签的HTML解析为DOM文档？

<p><img src="..."></p>

这是给我在解析这些元素时引发SAXException的代码片段：

DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
DocumentBuilder db = dbf.newDocumentBuilder();

InputStream is = new ByteArrayInputStream( htmlcontent.getBytes());
Document dom = db.parse(is);
is.close();

- billdoor

4个回答

1

你不能使用DocumentBuilder，因为它是一个XML解析器。

但你需要一个HTML解析器，比如：

- dash1e

1

以下其中一个可能会有帮助：

- Arvik

0

HTML不是XML。

除非你在使用XHTML。

因此，没有理由让XML解析器解析你的HTML。

使用像HtmlCleaner这样的HTML解析器。

- Denys Séguret

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Florent · Accepted Answer

我不这么认为，但是jsoup可以做到。它不是DOM API，但它非常相似。