将HTML传递给Java的最佳方法是什么？ 具体来说，我需要抓取2TB的HTML文件（.warc格式，使用nutchWAX）并一次一个地将它们提供给我的java程序。
工作流程：
问题：我是否创建了一个脚本以转义HTML中的所有特殊字符，然后将其作为参数传递，我是否将其写入文件并传递文件的路径或是否存在更好的方法（请记住，2TB的数据）？
答案 0 :(得分：1)
我认为你应该从这个页面寻找html解析器：
创建脚本可能不是一个好主意。你可能已经有内联css，javascript，转义引号。正确地做这件事将是一个巨大的痛苦。以前，我曾尝试编写脚本但发现它很麻烦。最后，我尝试使用html解析器，它就像一个魅力！
答案 1 :(得分：0)
你应该用Jsoup。
有了它，您可以轻松地使用简单的API提取所需的数据，例如URL或链接，并且可以将它们提供给您的程序。它也可以在多线程环境中使用，而且速度也很快。
同时检查this答案，这将非常有帮助。
要比较Java HTML解析器，请转到here。
对于你的问题：
我是否创建了一个脚本来转义HTML中的所有特殊字符，然后将其作为参数传递。
Jsoup为你做这件事。如果你想要的只是HTML文档的文本，你可能想要使用正则表达式。
我是将它写入文件并传递文件的路径还是有更好的方法
是的，您可以将其作为字符串传递给您的程序。写2tb的文件会非常缺乏。
请注意，无论你做什么，处理2000gb的HTML都需要花费很长时间！
希望这有帮助。