Question

任何人都可以推荐一个java库来允许我通过URL进行XPath查询吗？我试过JAXP没有成功。

谢谢。

Answer 1

网上记录了几种不同的方法：

使用HtmlCleaner

HtmlCleaner / Java DOM解析器 - Using XPath Contains against HTML in Java（这是我推荐的方式）
HtmlCleaner本身有一个支持XPath的内置实用程序 - 请参阅javadocs http://htmlcleaner.sourceforge.net/doc/org/htmlcleaner/XPather.html或此示例http://thinkandroid.wordpress.com/2010/01/05/using-xpath-and-html-cleaner-to-parse-html-xml/

使用Jericho

杰里科和贾克森 http://sujitpal.blogspot.com/2009/04/xpath-over-html-using-jericho-and-jaxen.html

我尝试了这些方法的一些不同变体，即HtmlParser加上Java DOM解析器，以及JSoup加Jaxen，但最好的组合是HtmlCleaner加上Java DOM解析器。下一个最佳组合是杰里科加Jaxen。

Answer 2

jsoup, Java HTML Parser与jQuery语法方式非常相似。

Answer 3

您可以将TagSoup与Saxon一起使用。这样，您只需替换任何与TagSoup一起使用的XML SAX解析器，XPath 2.0或XSLT 2.0或XQuery 1.0实现就可以正常工作。

Answer 4

我已经使用JTidy将HTML转换为适当的DOM，然后使用普通的XPath来查询DOM。

如果您想进行跨文档/跨URL查询，最好将JTidy与XQuery一起使用。

Answer 5

使用Xsoup。根据文档，它比HtmlCleaner更快。例子

 @Test
    public void testSelect() {

        String html = "<html><div><a href='https://github.com'>github.com</a></div>" +
                "<table><tr><td>a</td><td>b</td></tr></table></html>";

        Document document = Jsoup.parse(html);

        String result = Xsoup.compile("//a/@href").evaluate(document).get();
        Assert.assertEquals("https://github.com", result);

        List<String> list = Xsoup.compile("//tr/td/text()").evaluate(document).list();
        Assert.assertEquals("a", list.get(0));
        Assert.assertEquals("b", list.get(1));
    }

链接到Xsoup-https://github.com/code4craft/xsoup

使用Java中的XPath查询HTML的库？

5 个答案: