Question

我有以下链接

https://hero.epa.gov/hero/ws/swift.cfc?method=getProjectRIS&project_id=993&getallabstracts=true

我想解析这个xml只获取文本，比如

Provider: HERO - 2.xx
DBvendor=EPA
Text-encoding=UTF-8

我该如何解析它？

Answer 1

嗯，它不是一个文本文件，它是一个HTML文件。如果您在浏览器中打开文件并选择view source，则可以看到<char>标记中包含的文字。

当它在浏览器中打开时，这些标签和其他HTML内容将被解释并在页面上呈现输出（这就是为什么它看起来像文本）。如果您想在Java中实现类似的行为，那么您应该查看PhantomJS和/或JSoup示例。

Answer 2

它看起来像一个文本文件，但它是一个XML文件，浏览器只显示其文本内容。验证右键单击并查看页面源。

Answer 3

您可以使用像Jsoup这样的库来解析文件并获取内容。