如何在Java中解析和修改HTML文件

Question

我正在做一个项目，其中我需要读取HTML文件并识别特定标签，修改标签的内容以及创建新的HTML文件。是否有一个解析HTML标记的库，并且能够将标记写回新文件？

Answer 1

查看http://jsoup.org，它有一个友好的dom-like API，用于简单的任务，你不需要解析html。

Answer 2

HTML解析器太多了。您可以使用JTidy，NekoHTML或查看TagSoup。

我通常更喜欢使用标准的Java XML Parsers解析XHTML，但是对于任何类型的HTML都不能这样做。

Answer 3

如果你想修改网页并返回修改后的内容，我认为最好的方法是使用XSL转换 http://en.wikipedia.org/wiki/XSLT

Answer 4

查看http://java-source.net/open-source/html-parsers以获取将html文件解析为可以操作的java对象的java库列表。

如果您正在使用的html文件格式正确（xhtml），那么您还可以在java中使用XML库来查找特定标记并对其进行修改。 IO本身应由您正在使用的特定库处理。

如果您选择手动解析字符串，则可以使用正则表达式查找特定标记，并使用java io库写入文件并创建新的html文档。但是这种方法可以重新发明轮子，因为你必须管理标签的打开和关闭，所有这些都由预先存在的库处理。