幫助Java Swing HTML解析

Question

我解析了Java Swing HTML解析庫中的HTML文檔的集合，並試圖隔離<title>標記之間的文本，以便我可以使用它們來識別文檔，但我有一個很難完成，由於handleStartTag方法沒有標籤

Answer 1

您可以使用XPath從HTML拉出數據的內部訪問文本：

String html = //... 

//read the HTML into a DOM 
StreamSource source = new StreamSource(new StringReader(html)); 
DOMResult result = new DOMResult(); 
Transformer transformer = TransformerFactory.newInstance().newTransformer(); 
transformer.transform(source, result); 
Node root = result.getNode(); 

//use XPath to get the title 
XPath xpath = XPathFactory.newInstance().newXPath(); 
String title = xpath.evaluate("/html/title", root); 

然而，HTML必須很好地形成XHTML爲此工作。例如，「<br>」標記在HTML中有效，但在XHTML中無效，因爲它未關閉。它必須是「< br/>」才能在XHTML中有效。