大家晚安!
我正在尝试使用JDOM2解析Java中的HTML页面,以便从中访问一些信息。
我的代码如下所示:(刚刚添加了此代码块的软件包,请不要在我的实际源代码中添加它们)
//Here goes the reading of the site into my String "string" (using NekoHTML)
org.xml.sax.InputSource is = new InputSource();
is.setCharacterStream(new StringReader(string));
org.cyberneko.html.parsers.DOMParser parser = new DOMParser();
parser.parse(is);
org.jdom2.input.DOMBuilder builder = new DOMBuilder();
org.jdom2.Document doc = builder.build(parser.getDocument());
除了一些特殊情况外,这适用于所有内容:当网站在元素中包含引号标记时。这是我的意思的一个例子:
<a href="LINK" title="Der "realismo mágico" und die Phantastische Literatur">Der "realismo mágico" und die Phantastische...</a>
因此,在那个精彩的标签后,我得到以下错误跟踪:
SEVERE: org.jdom2.IllegalNameException: The name "literatur"" is not legal for JDOM/XML attributes: XML name 'literatur"' cannot contain the character """.
所以,现在我的问题是:我有什么选择来处理这个错误?是否可以使用NekoHTML中的一个功能(使用“setFeature()”),或者我可以使用的JDOM中的某些东西?
如果否:是否有其他适合抓取网站的图书馆可以使用标记中的引号?
谢谢你的时间!