Как разобрать и изменить файл HTML в Java

Я делаю проект, в котором мне нужно прочитать файл HTML и определить определенные теги, изменить содержимое тега и создать новый файл HTML. Есть ли библиотека, которая анализирует теги HTML и способна записывать теги обратно в новый файл?


java html html-parsing
person chai    schedule 11.10.2010    source источник

Ответы (4)


arrow_upward
2
arrow_downward


если вы хотите изменить веб-страницу и вернуть измененное содержимое, я думаю, что лучше всего использовать преобразование XSL.
http://en.wikipedia.org/wiki/XSLT

person Igor Konoplyanko    schedule 11.10.2010
comment
Думаю, это было то, чего я с нетерпением ждал. Мне нужно генерировать отчеты и представлять их в формате, который пользователь хотел бы представить. - person chai; 12.10.2010
comment
В настоящее время я использую процессор Xalan, и код работает прекрасно. Вот ссылка на процессор xml.apache.org/xalan-j - person chai; 12.10.2010

arrow_upward
7
arrow_downward

Посетите http://jsoup.org, у него есть дружественный API, похожий на dom, для простых задач, которые вам не нужны. для разбора html.

person Victor Ionescu    schedule 11.10.2010

arrow_upward
2
arrow_downward

Слишком много парсеров HTML. Вы можете использовать JTidy, NekoHTML или проверьте TagSoup.

Обычно я предпочитаю анализировать XHTML с помощью стандартных парсеров Java XML, но вы не можете сделать это для любого типа HTML.

person ivy    schedule 11.10.2010

arrow_upward
0
arrow_downward

Посмотрите на http://java-source.net/open-source/html-parsers для списка библиотек Java, которые анализируют файлы html в объекты Java, которыми можно манипулировать.

Если html-файлы, с которыми вы работаете, имеют правильный формат (xhtml), вы также можете использовать XML-библиотеки в java для поиска определенных тегов и их изменения. Сам ввод-вывод должен обрабатываться конкретными библиотеками, которые вы используете.

Если вы решите анализировать строки вручную, вы можете использовать регулярные выражения для поиска определенных тегов и использовать библиотеки java io для записи в файлы и создания новых html-документов. Но этот метод, так сказать, заново изобретает колесо, потому что вам нужно управлять открытием и закрытием тегов, и все эти вещи обрабатываются уже существующими библиотеками.

person Matt Phillips    schedule 11.10.2010