Question

我在我的应用程序中使用jericho解析器来获取较轻版本的网页，从中提取一些部分。所以，例如，当我得到这个代码时：

<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN/" "http://www.w3.org/TR/html4/loose.dtd"><html> <head> </head> <body> <b> <span class="articletitletext">Happy New Year!</span></b> <br> <span class="postedstamp">Posted By <script language="JavaScript" type="text/javascript"> <!-- document.write('<a href="&#32;&#109;&#97;&#105;&#108;&#116;&#111;&#58;&#99;&#104;&#114;&#105;&#115;&#46;&#119;&#121;&#109;&#97;&#110;&#64;&#118;&#101;&#114;&#105;&#122;&#111;&#110;&#46;&#110;&#101;&#116;">'); // --> </script>Chris</a> on January 1, 2012</span><br> <br> <span id="intelliTXT">

From all of us here at TheForce.net, we wish you and your family a safe and Happy New Year. May the Force be with you in 2012!

</span></body> </html>

我想使用jericho解析器再次解析它，但是当我运行

时

ArrayList<Element> centerElems=(ArrayList<Element>) pageSource.getAllElements(HTMLElementName.CENTER);

我得到了这个例外

01-01 10:46:37.518: ERROR/AndroidRuntime(648): java.lang.RuntimeException: Unable to start activity ComponentInfo{net.test.theforce/net.test.theforce.NewsListActivity}: java.lang.RuntimeException: java.lang.ClassCastException: java.util.Collections$EmptyList

并且应用程序崩溃了...所以，打火机页面出了什么问题？

Answer 1

在我看来，Jericho解析器可以解析你给它的HTML。您得到的错误是因为您对getAllElements()方法返回的内容做出了错误的假设。

我承认我只能为这个方法的zero-argument overload找到Javadoc，而不是你正在使用的单参数重载，所以我必须假设两个方法都返回相同的类型，List<Element>。在您的示例中，HTML中没有center个元素，因此getAllElements()方法应返回空List<Element>。它不必在这里返回ArrayList<Element>;任何List<Element>的实现都可以。在这种情况下，它选择返回Collections.emptyList()。这不是ArrayList<Element>，而是ClassCastException，因为您无法将其转换为ArrayList<Element>。

据我所见，您有两种选择：

首先，您可能不需要将返回的列表作为ArrayList<Element>。使用List<Element>代替可能就足够了。在这种情况下，您应该替换

行

ArrayList<Element> centerElems=(ArrayList<Element>) pageSource.getAllElements(HTMLElementName.CENTER);

与

List<Element> centerElems = pageSource.getAllElements(HTMLElementName.CENTER);

其次，如果您确实需要列表为ArrayList<Element>，那么您可以从结果中创建ArrayList<Element>：
```
ArrayList<Element> centerElems = new ArrayList<Element>(pageSource.getAllElements(HTMLElementName.CENTER));
```

为什么Jericho解析器不能解析这个HTML代码？

1 个答案: