如何处理来自Web的无效HTML文档，需要正确的HTML库

Question

解析网站时出现此错误。 错误：'实体“ContentType”的声明必须以'>'结尾。' 或输入类型必须关闭

Answer 1

你认为是JTidy？

JTidy is a Java port of HTML Tidy, a HTML syntax checker and pretty printer. Like its non-Java cousin, JTidy can be used as a tool for cleaning up malformed and faulty HTML. In addition, JTidy provides a DOM parser for real-world HTML.

显然在某个时候会与HTML挣扎取决于它是多么糟糕形成，但你会发现这对你的作品。