Question

使用通过apt安装的JAR文件进行Saxon-HE并tagsoup解析html是一种方式：

thufir@dur:~/saxon$ 
thufir@dur:~/saxon$ java -cp /usr/share/java/Saxon-HE-9.8.0.14.jar:/usr/share/java/tagsoup-1.2.1.jar net.sf.saxon.Query -x:org.ccil.cowan.tagsoup.Parser -qs:doc\(\'http://books.toscrape.com/\'\) 
<?xml version="1.0" encoding="UTF-8"?><!--[if lt IE 7]>      <html lang="en-us" class="no-js lt-ie9 lt-ie8 lt-ie7"> <![endif]--><!--[if IE 7]>         <html lang="en-us" class="no-js lt-ie9 lt-ie8"> <![endif]--><!--[if IE 8]>         <html lang="en-us" class="no-js lt-ie9"> <![endif]--><!--[if gt IE 8]><!--><html xmlns="http://www.w3.org/1999/xhtml" xmlns:html="http://www.w3.org/1999/xhtml" class="no-js" lang="en-us"><!--<![endif]--><head><title>
    All products | Books to Scrape - Sandbox
..        
        <!-- Version: N/A -->

thufir@dur:~/saxon$ 
thufir@dur:~/saxon$

我将如何从Java中做到这一点？尤其是从Saxon导入什么来执行此操作？ Perhaps使用Saxon和JAXP界面？

还：

http://codingwithpassion.blogspot.com/2011/03/saxon-xslt-java-example.html

Answer 1

您可以在saxonica.com和sourceforge.net网站上的saxon-resources下载中找到许多使用Java的Saxon调用转换的简单示例。

很难确切地知道您在这里想要什么，因为您的命令行示例没有使用Saxon来执行除调用TagSoup解析器和序列化结果以外的任何有用的事情。从Java做到这一点的最简单方法是使用JAXP身份转换，该转换在JDK中的内置XSLT转换器和Saxon中的运行一样好：

TransformerFactory factory = TransformerFactory.newInstance();
XMLReader xmlReader = XMLReaderFactory.createXMLReader("org.ccil.cowan.tagsoup.Parser");
Source input = new SAXSource(xmlReader, new InputSource("http://books.toscrape.com/"));
Result output = new StreamResult(System.out);
factory.newTransformer().transform(input, output);

如果您想添加一些XSLT或XQuery处理，那当然是完全可行的（我将始终使用s9api API来用于Saxon，但您也可以使用JAXP或XQJ），但是具体取决于您要的内容

Java的Hello World Saxon

1 个答案: