java - 如何解析 HTML 中存在的以下字符串并在 Java 中构建 DOM 树？

Question

我在 html 中有以下字符串，我想构建 Dom 树并获取名称值对。我如何使用 html 解析器或 xml 解析器或 REGEXP 来做到这一点。任何代码片段都会有用。谢谢

<$$TagStarts>

<==0>Name0</==0><##0>Value0</##0>
<==1>Name1</==1><##1>Value1</##1>
<==2>Name2</==2><##2>Value2</##2>
<==3>Name3</==3><##3>Value3</##3>
<==4>Name4</==4><##4>Value4</##4>
<==5>Name5</==5><##5>Value5</##5>

</$$TagStarts>

Answer 1

假设标签名称仅用于示例......并且您将获得一些有意义的标签名称......

尝试使用以下任意 HTML 解析器...

http://home.ccil.org/~cowan/XML/tagsoup/

http://nekohtml.sourceforge.net/

http://jtidy.sourceforge.net/

他们将为您提供符合 W3 标准的文档对象......在此之后，这只是一个 getElementsByTagName 或 getElementById 或使用 XPath 或 Xquery 获取元素的游戏来自 DOM。

否则你可以使用以下...他们有自己的文档对象实现...

http://htmlcleaner.sourceforge.net/ [它还有一些基本的 XPath 支持]

http://jsoup.org/ [它有类似 jquery query API]

添加检查这个... http://jsoup.org/cookbook/extracting-data/selector-syntax

我会推荐...JSoup 或 Nekohtml