Question

我需要从给定的HTML页面中提取HTML的一部分。到目前为止，我使用带有tagsoup的XmlSlurper来解析HTML页面，然后尝试使用StreamingMarkupBuilder获取所需的部分：

import groovy.xml.StreamingMarkupBuilder
def html = "<html><body>a <b>test</b></body></html>"
def dom = new XmlSlurper(new org.ccil.cowan.tagsoup.Parser()).parseText(html)
println    new StreamingMarkupBuilder().bindNode(dom.body)

然而，我得到的结果是

<html:body xmlns:html='http://www.w3.org/1999/xhtml'>a <html:b>test</html:b></html:body>

看起来很棒，但我想在没有html命名空间的情况下获得它。

如何避免命名空间？

Answer 1

关闭TagSoup解析器上的命名空间功能。例如：

import groovy.xml.StreamingMarkupBuilder
def html = "<html><body>a <b>test</b></body></html>"
def parser = new org.ccil.cowan.tagsoup.Parser()
parser.setFeature(parser.namespacesFeature, false)
def dom = new XmlSlurper(parser).parseText(html)
println new StreamingMarkupBuilder().bindNode(dom.body)

用groovy提取HTML部分

1 个答案: