Библиотека для запроса HTML с XPath в Java?

Question

Может ли кто-нибудь порекомендовать мне библиотеку Java, чтобы разрешить запросы XPath через URL-адреса? Я пробовал JAXP без успеха.

Спасибо.

Answer 1

Существует несколько различных подходов к этому, документированных в Интернете:

Использование HtmlCleaner

• HtmlCleaner / Java DOM parser - Использование XPath Containsпротив HTML в Java (так я рекомендую)
• В самом HtmlCleaner есть встроенная утилита, поддерживающая XPath - см. javadocs http://htmlcleaner.sourceforge.net/doc/org/htmlcleaner/XPather.html или этот пример http://thinkandroid.wordpress.com/2010/01/05/using-xpath-and-html-cleaner-to-parse-html-xml/

Использование Иерихона

• Иерихона и Джаксена http://sujitpal.blogspot.com/2009/04/xpath-over-html-using-jericho-and-jaxen.html

Я пробовал несколько различных вариантов этих подходов, например, HtmlParserплюс синтаксический анализатор Java DOM и JSoup плюс Jaxen, но лучше всего работает комбинация HtmlCleaner плюс синтаксический анализатор Java DOM.Следующей лучшей комбинацией был Иерихон плюс Джаксен.

Answer 2

jsoup, Java HTML Parser Очень похоже на синтаксис jQuery.

Answer 3

Вы можете использовать TagSoup вместе с Saxon.Таким образом, вы просто заменяете любой синтаксический анализатор XML SAX, используемый с TagSoup, и реализация XPath 2.0, XSLT 2.0 или XQuery 1.0 работает как обычно.

Answer 4

Я использовал JTidy для превращения HTML в правильный DOM, затем использовал обычный XPath для запроса DOM.

Если вы хотите выполнять кросс-документ / кросс-URL-запросы, лучше используйте JTidy с XQuery.