- Java 双重比较
- java - 比较器与 Apache BeanComparator
- Objective-C 完成 block 导致额外的方法调用?
- database - RESTful URI 是否应该公开数据库主键?
我正在使用 XPath 在模板中定位一个节点(或接近它的东西),该模板具有大约 10 层深的格式不正确的 HTML。 (不,这个 HTML 不是我写的……但我的任务是深入研究它。)
我似乎能够使用 Firefox 的 XPartner 附加组件检索相关元素的 XPath;但是,它只提供了实时站点中的位置,而不是提供给我的模板中的位置。 (模板来自非标准的服务器端脚本语言;阅读内部构建的语言)
您是否知道任何 XPath 工具特别擅长处理格式不正确的 HTML。
最佳答案
XPath 表达式无法针对格式不正确的 XML 文档求值,这正是所描述的情况。
可以通过两个链接步骤来完成此操作,第一步是将 HTML 转换为格式良好的 XML,然后第二步是应用 XPath 表达式。
因此,问题可以更准确地表述为“如何将 HTML 转换为 XML,以便可以根据它计算 XPath 表达式”。
这里有两个好工具:
TagSoup ,一个开源程序,是一个基于Java和SAX的工具,由John Cowan开发。 .这是一个用 Java 编写的符合 SAX 的解析器,它不解析格式良好或有效的 XML,而是解析 HTML,因为它在野外发现:糟糕、肮脏和野蛮,尽管通常远非短小。 TagSoup 是为那些必须使用某种合理的应用程序设计来处理这些东西的人设计的。通过提供 SAX 接口(interface),它允许将标准的 XML 工具应用于甚至最糟糕的 HTML。 TagSoup 还包括一个命令行处理器,它可以读取 HTML 文件并可以生成干净的 HTML 或格式良好的 XML(非常接近 XHTML)。Taggle 是 TagSoup 的商业 C++ 端口。
SgmlReader 是微软Chris Lovett开发的一款工具.SgmlReader 是一个基于任何 SGML 文档(包括对 HTML 的内置支持)的 XmlReader API。还提供了一个命令行实用程序,它输出格式正确的 XML 结果。下载包含独立可执行文件和完整源代码的 zip 文件:SgmlReader.zip
The pure XSLT 2.0 Parser of HTML 由 David Carlisle 撰写.阅读它的代码对我们每个人来说都是一次很好的学习练习。
来自描述:
"d:html 解析(字符串) d:htmlparse(string,namespace,html-mode)
单参数形式等同于) d:htmlparse(字符串,'http://ww.w3.org/1999/xhtml',true()))
使用一些内置启发式方法将字符串解析为 HTML 和/或 XML) 控制元素的隐式打开和关闭。
它没有 HTML DTD 的完整知识,但有完整的列表 空元素和实体定义的完整列表。 HTML 实体,以及 十进制和十六进制字符引用都被接受。注意 html 实体 即使 html-mode=false() 也能被识别。
元素名称小写(如果 html-mode 为 true())并放入 命名空间参数指定的命名空间(可以是“”来表示 无命名空间,除非输入有明确的命名空间声明,在 在这种情况下,这些将得到尊重。
如果 html-mode=true()"属性名称小写
阅读更详细的描述 here .
关于html - 在格式不正确的 HTML 中使用 XPath 查找节点(或接近节点),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/354322/
有没有办法使用 Clojure format(基于 java.util.Formatter)或 cl-format(基于 Common Lisp 的format) 以编程方式设置空格填充?如果您事先知
我正在尝试创建一个用户实体以及数据/文件(pdf格式)。上传并保存到数据库很好,但是当我让用户进入 postman 时尝试发送获取请求方法,然后在数据字段中显示一些糟糕的数据,而且我无法在数据库中看到
我必须将值为 {"STX","ETX"} 的普通字符串数组转换为十六进制值,并且我应该根据 http://www.asciitable.com/ 得到 {2,3} . 最佳答案 听起来你想要一个 Ma
我想格式化我的代码,但不确定哪种格式类型最适合我的项目需要。 我发现仅对于 dart 和 flutter 项目(我都有),有不止一个选项可用于格式化编程语言/框架中预先构建的代码。 Dart : da
我已经尝试了多个代码,例如这样 Sub DateFixer() Application.ScreenUpdating = False Application.Calculation =
SolrQuery query = new SolrQuery(); query.setQuery("*:*"); query.add("wt","csv"); server.query(query)
我有一个包含多个字符串的数据库,我从查询中获取了这些记录,并且我在 QString 中收到了这种格式的数据: "Mon, 13 Nov 2017 09:48:45 +0000" 所以,我需要根据文化来
我有一个 Delphi 2007 DBGrid,我想让用户以更新的 Excel 格式 (OOXML) 保存它,但我的标准是用户不需要安装 Excel。有没有人知道任何已经这样做的组件?是的,我已经搜索
我正在我们的普通 html 站点旁边创建一个移动站点。使用 rails 3.1。移动站点在子域 m.site.com 中访问。 我已经定义了移动格式(Mime::Type.register_alias
我正在尝试使用 xmlstarlet 格式化 xml 文件,但我不想创建新的 xml 文件。 我试过了 xmlstarlet fo --inplace --indent-tab --omit-decl
我在 A 列中有一个带有文本的电子表格。 例如 A1=MY TEXT1 A2=MY TEXT2 A3=MY TEXT3 A4=MY TEXT4 A5=MY TEXT5 我想在文本的前后添加撇号 结果是
我想做一些源代码转换(自动导入列表清理),我想保留注释和格式。我听说过一些关于解析器这样做的事情,我认为是 ghc 解析器。 看起来我可以通过从文件中提取内容来使用 hs-src-exts Langu
我在 Excel 中工作,我想根据另一张表中的列表找出一张表中是否有匹配项。 我已将值粘贴到列表中,并希望从另一张表中返回它们的相应值。包含字母和数字的单元格可以正常工作(例如:D5765000),但
我有一个 DurationField在我的模型中定义为 day0 = models.DurationField('Duration for Monday', default=datetime.time
我正在为我的应用程序开发 WMI 查询。它需要为给定的 VID/PID 找到分配的虚拟 COM 端口。使用 WMI Code Creator 我发现...... 命名空间:root\CIMV2 类:W
我试图弄清楚如何使用 NSTextList,但除了 this SO question 之外,在网上几乎没有找到有用的信息。和 the comment in this blog . 使用这个我已经能够创
我要查询all_objects表在哪里last_ddl_time='01 jan 2010'但它拒绝日期格式... 任何机构给我查询的确切格式? 最佳答案 正如 AKF 所说,您应该使用 Trunc除
我试图在我的应用程序中实现聊天功能。我使用了 2 个 JEditorPane。一个用于保存聊天记录,另一个用于将聊天发送到前一个 JEditorPane。 JEditorPane 是 text/h
我在大学里修了一个编译器类(class),内容非常丰富,很有趣,尽管也很多工作。既然给了我们要实现的语言规范,所以我学不到的一件事就是语言设计。我现在正在考虑创建一种有趣的简单玩具语言,以便我可以玩耍
Closed. This question does not meet Stack Overflow guidelines。它当前不接受答案。 想改善这个问题吗?更新问题,以便将其作为on-topic
我是一名优秀的程序员,十分优秀!