帮助Java Swing HTML解析

Question

我解析了Java Swing HTML解析库中的HTML文档的集合，并试图隔离<title>标记之间的文本，以便我可以使用它们来识别文档，但我有一个很难完成，由于handleStartTag方法没有标签

Answer 1

您可以使用XPath从HTML拉出数据的内部访问文本：

String html = //... 

//read the HTML into a DOM 
StreamSource source = new StreamSource(new StringReader(html)); 
DOMResult result = new DOMResult(); 
Transformer transformer = TransformerFactory.newInstance().newTransformer(); 
transformer.transform(source, result); 
Node root = result.getNode(); 

//use XPath to get the title 
XPath xpath = XPathFactory.newInstance().newXPath(); 
String title = xpath.evaluate("/html/title", root); 

然而，HTML必须很好地形成XHTML为此工作。例如，“<br>”标记在HTML中有效，但在XHTML中无效，因为它未关闭。它必须是“< br/>”才能在XHTML中有效。