解析Android上的HTML，主要性能问题

Question

我需要解析大约100 kB的HTML数据，这只会在Android上造成巨大的性能问题。我已经尝试了内置的XML解析器和JTidy。

内置的XML解析器为我提供了大约半秒的解析时间，我可以很容易地使用它。问题是使用XML解析器来解析凌乱的HTML代码是个坏主意，这不是一个选择。 （我尝试过预处理，但它甚至开始抱怨有效的HTML，所以......）

我google了一下，建议JTidy在将代码传递给XML解析器之前清理代码。这是一个绝对的噩梦，JTidy用于预处理解析现在需要大约 7秒。

所以现在我唯一的选择就是正则表达式。你觉得怎么样？

Answer 1

这取决于你是否是html的拥有者。

如果（据我所知）您不是html数据的所有者且无法影响其格式，那么您可能会发现此信息非常有用：Parse HTML in Android
但是如果html真的很糟糕，结果就无法保证。你更喜欢使用正则表达式。 甚至浏览器在处理“坏”html时也会切换到怪异模式，而不保证正确查看。