html搜索并替换保留的html标签

Question

我正在寻找一个基于Java的html解析器，它可以搜索和替换保留html标签的文本。之前已经在这里提出过这个问题，但答案似乎没有达到目标。我下载的html解析器很少，并且编写了简单的程序来查看它们是否可以完成这项工作。这些包括jsoup，Jericho，Java HTML解析器等。这些可以进行搜索，但是在替换保留html标签的文本时，没有办法做到这一点。

我已阅读这些帖子的完整帖子：

How to find/replace text in html while preserving html tags/structure

html search and replace on server side

如果今天不存在这样的解析器，那么实现一个解析器的最佳方法是什么？如果您已经做过类似的事情，可以共享代码吗？

Answer 1

Caja解析器使用libhtmlparser，这是一个HTML5解析器，可以很好地处理包含生成org.w3c.dom.DocumentFragment的嵌入式XML子树的标记汤，并且具有生成格式良好的HTML的渲染器。

解析器代码位于http://code.google.com/p/google-caja/source/browse/trunk/src/com/google/caja/parser/html/DomParser.java

渲染器代码位于http://code.google.com/p/google-caja/source/browse/trunk/src/com/google/caja/parser/html/Nodes.java

Answer 2

杰里科解析器可能会帮助你。已经永远存在并且使用格式错误的HTML。 http://jericho.htmlparser.net/docs/index.html