编辑：

Question

我正在解析HTML页面的表格，但是当我显示数据时，会添加随机字符，如下例所示：

Preowiveding但它应该是Preding。

我不知道这是否是一种防止人们解析数据的安全功能这很奇怪，因为有时文本显示正确而另一个文本显示错误...

我从这里得到的数据是this。该表的HTML代码看起来有点奇怪：

<a target='_blank' href='#' class='draggableVerein' >&#76;<span style='display:none;'>&#105;<span style='display:none;'>&#115;&#105;&#118;&#98;&#97;</span><u></u>&#118;&#98;&#97;&#111;</span><u></u>&#105;&#101;&#98;&#101;&#110;&#97;&#117;</a>

在文本之间有span和u标记，它们似乎在浏览器中什么都不做，但在解析时会产生这些错误。

我使用Ben Reeves HTML Parser。例如：

HTMLNode *node = [rowNode findChildWithAttribute:@"class" matchingName:@"rang" allowPartial:TRUE];
team.rang = [node allContents];

编辑：

现在我用HPPLE尝试了libXML2：

NSArray *elements  = [xpathParser searchWithXPathQuery:@"//table[2]/tr[5]/td/a"];
// Access the first cell
TFHppleElement *element = [elements objectAtIndex:0];

NSString *content = [element content];  
NSLog(@"content: %@",content);

输出为ersdorf而非Eggersdorf。这个例子的HTML：

<a target='_blank' href='/datenservice/portal/verein/aktuelles.ds?vereinsNr=8070&sektionsId=485215725|665233118344931246&awVerband=ST_' class='draggableVerein' drag_img='/netzwerk/imagedownload/379402779304830775_383470150383145150-60-60-EfcSAtkX.jpg'>&#69;&#103;&#103;&#101;&#114;&#115;&#100;&#111;&#114;&#102;</a>

这是一个非常奇怪的代码有什么提示吗？

Answer 1

看起来这里有两件事。

它使用HTML字符实体来指定常用字符（即L而不是L）。这可能是混淆的尝试。
它使用<span style='display:none'> ... </span>告诉浏览器不要显示某些文字。这可能是尝试在文本中引入隐形垃圾。浏览器不会显示它，但HTML解析器仍然会吐出该文本。

如果您要丢弃垃圾文本，您的代码必须处理<span＆gt; ＆安培; </span>标记并自动放弃样式设置为display:none的任何文字。

Answer 2

编辑：我的最后一个建议是愚蠢的。

您可以在此处使用stringByUnescapingHTML方法：http：//code.google.com/p/statz/source/browse/trunk/NSString%2BHTML.m对其进行解码。工作代码：

NSString *myStr = [[NSString alloc] initWithString:@"&#69;&#103;&#103;&#101;&#114;&#115;&#100;&#111;&#114;&#102;"];
NSArray* components = [myStr componentsSeparatedByString:@";"];
myStr = @"";
int value;
for (NSString *comp in components){
    unsigned length = [comp length];
    if (length != 0) {
    NSString *numberSequence = [comp substringWithRange:NSMakeRange(2, length - 2)];
    NSScanner *scanner = [NSScanner scannerWithString:numberSequence];
    if ([scanner scanInt: &value] && 
        value < USHRT_MAX &&
        value > 0){
        unichar uchar = value;
        NSString *charString = [NSString stringWithCharacters:&uchar length:1];
        [myStr stringByAppendingString:charString];
    }
    }
}

解析HTML时，会在字符串中添加随机字符吗？

编辑：

2 个答案: