Question

我必须从服务器解析xml文件; 我尝试使用DOm解析器和Sax解析器，但是我无法解析html标签，当它找到第一个“＆lt;”时停止

这是我的解析器类：

public class XMLParser {

    // constructor
    public XMLParser() {

    }


    public String getXmlFromUrl(String url) {
        String xml = null;
        BufferedReader in = null;

        try {
            // defaultHttpClient
            DefaultHttpClient httpClient = new DefaultHttpClient();
            HttpPost httpPost = new HttpPost(url);

            HttpResponse httpResponse = httpClient.execute(httpPost);
            in =  new BufferedReader(new InputStreamReader(
                    httpResponse.getEntity().getContent(), "UTF-8"));


            StringBuffer sb=new StringBuffer("");
             String line = "";
             String NL = System.getProperty("line.separator");

             while ((line = in.readLine()) != null)
                {
                    sb.append(line );
                    sb.append(NL );
                    line=in.readLine();
                }
             in.close();

            xml = sb.toString();;

        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        } catch (ClientProtocolException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }
        // return XML
        return xml;
    }

    public Document getDomElement(String xml){
        Document doc = null;
        DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
        try {

            DocumentBuilder db = dbf.newDocumentBuilder();

            InputSource is = new InputSource();
                is.setCharacterStream(new StringReader(xml));
                doc = db.parse(is); 

            } catch (ParserConfigurationException e) {
                Log.e("Error: ", e.getMessage());
                return null;
            } catch (SAXException e) {
                Log.e("Error: ", e.getMessage());
                return null;
            } catch (IOException e) {
                Log.e("Error: ", e.getMessage());
                return null;
            }

            return doc;
    }


     public final String getElementValue( Node elem ) {
         Node child;
         if( elem != null){
             if (elem.hasChildNodes()){
                 for( child = elem.getFirstChild(); child != null; child = child.getNextSibling() ){
                     if( child.getNodeType() == Node.TEXT_NODE  ){
                         return child.getNodeValue();
                     }
                 }
             }
         }
         return "";
     }

     /**
      * Getting node value
      * @param Element node
      * @param key string
      * */
     public String getValue(Element item, String str) {     
            NodeList n = item.getElementsByTagName(str);        
        return this.getElementValue(n.item(0));
    }

  }

Answer 1

如果您的HTML格式不正确（例如包含未关闭的标记），那么这些解析器都不会起作用。您最终可能需要手动解析（例如，使用正则表达式和Pattern类）。如果HTML格式正确，您应该发布您正在接收的错误，以及可能是该页面的链接。

Answer 2

您应该使用HTML解析器，因为Web上提供的大多数html内容都不符合XML规范。在简单的情况下，正则表达式足以完成这一操作，但在复杂的情况下，您可能需要一个HTML解析器。

使用html标记解析文本

2 个答案: