Java相当于PHP Simple HTML DOM Parser

问题描述

| 由于我必须使用无法在PHP中雄辩地解决的多线程，所以我想使用Java进行编程，不幸的是，我找不到一个像PHP Simple HTML DOM Parser一样健壮，快速且容易地解析HTML DOM的库。 。您是否知道Java中易于使用的替代方法？     

解决方法

        我从简单HTML DOM解析器转到JSoup，对此我感到非常满意。     ,        我可以看到我们面临两个挑战： 可能不是格式正确的XHTML的HTML解析，可以简化任何内容，并且解析起来很不错。我建议使用TagSoup库，该库可以读取丑陋的HTML并生成格式正确的StaX流，然后可将其用于其他地方。 构建HTML文档的DOM表示并进行处理。您可能在JDK中知道XML DOM（

org.w3c.dom.*

）已全面实现。但是我想这不是您一直在寻找的API类型。可以包装JDK文档并且可以享受易于使用的API的DOM4J或更旧的JDOM呢？     ,        我已经成功地使用TagSoup作为SAX解析器来填充DOM4J文档，然后使用XPath进行查询。我花了一些时间来解决咒语-（Scala，但我确定您可以转换）：

parserFactory = new org.ccil.cowan.tagsoup.jaxp.SAXFactoryImpl
val reader = new SAXReader(parserFactory.newSAXParser.getXMLReader)
val doc = reader.read(new InputSource(new StringReader(page)))