【转】nekohtml+xpath范例,及注意事项 javaxpathnekohtml
程序员文章站
2022-05-01 18:09:48
...
nekohtml+xpath实例,及注意事项
最近做项目用到了nekohtml+xpath
nekohtml将HTML文档解析为标准的DOM,再用XPath从DOM中抽取想要的结点。
nekohtml比起htmlparser还真是简单,但是简单就意味着不透明,出了错就不知是什么引起的,这一点真让人受不了。
下面先说说nekohtml+xpath的使用注意事项:
1.nekohtml会自动将html的标签转化为大写,因此写XPath时要用大写
//div 错误
//DIV 正确
2.用XPath处理时标签前要加命名空间,否则找不到结点,这里就要用到NamespaceContext这个类
class MyNamespaceContext implements NamespaceContext { private String ns; public MyNamespaceContext(String ns) { this.ns = ns; } public String getNamespaceURI(String prefix) { // TODO Auto-generated method stub if (prefix == null) { throw new NullPointerException("Null prefix"); } else if (prefix.equals("pre")) { return this.ns; } else if (prefix.equals("xml")) { return XMLConstants.XML_NS_URI; } return XMLConstants.XML_NS_URI; } @Override public String getPrefix(String namespaceURI) { // TODO Auto-generated method stub return null; } @Override public Iterator getPrefixes(String namespaceURI) { // TODO Auto-generated method stub return null; } }
实例化XPath,并设置命名空间
XPathFactory factory = XPathFactory.newInstance(); XPath xpath = factory.newXPath(); xpath.setNamespaceContext(new MyNamespaceContext("http://www.w3.org/1999/xhtml")); XPathExpression expr = xpath.compile("//pre:TITLE");
最后推介一个firefox的XPath插件--XPath checker
附近上源文件