解析Scala中的HTML元標記

Question

我正試圖用Scala解析元標記。我試着只是做這個用XML匹配，就像

`html // meta ...` etc, 

，但我得到一個畸形的XML錯誤，因爲這個特定頁面上的這些元標籤沒有結束標籤或... />外殼。

所以以下HTML，

val html = """<meta name="description" content="This is some meta description">""" 

我使用正則表達式如下匹配：

val metaDescription = """.*meta name="Description" content="([^"]+)"""".r 

• 當我嘗試搭配val metaDescription(desc) = html我得到一個scala.MatchError。
• 當我嘗試metaDescription.findAllIn(html)並重復時，我得到整個字符串 - 不僅僅是描述。

我怎樣才能得到content內的值，而不是別的？

編輯

我得到了我想要與結果：

metaDescription.findAllIn(html).matchData foreach { 
    desc => println(desc.group(1)) 
} 

，但似乎像繞很長的路要走。有更好的解決方案嗎？

Answer 1

Scala XML and TagSoup提供了一種直接在Scala XML中使用標籤湯的方法。

如果你是開放的替代品，然後Scales Xml提供parse html via alternative SAX parsers類似的有用的方法：提供的鏈接

val html = loadXmlReader(htmlStream, parsers = AlternateSAXFactoryPool) 

爲Tagsoup和Nu.Validator例如工廠。