Java HTML XPath 选择器

Question

I am trying to find a library like C# htmlagilitypack for java to parse HTML and select elements using XPath.

我已经阅读了许多库，但它们都不是 HTML 的独立 XPath 选择器，我发现的所有库都需要使用htmlunit之类的方法解析 HTML。

如果有人可以通过 XPath 2.0 或 3.0 和 HTML 解析的简单示例来指导我，我将不胜感激。

Answer 1

Java 支持Xpath 。 通常用于解析 XML 文件。 但是，它也应该适用于 HTML。

HTML 样品：

<html lang="en">
<head>
    <title>Index page</title>
</head>
<body>
<div>
    <br/>
    <h1>Hello <span id="my-demo">User!</span></h1>
    <br/>
    <img src="https://s3.amazonaws.com/acloudguru-opsworkslab/ACG_Austin.JPG" alt="photo"/>
</div>
</body>
</html>

代码片段：

public class HtmlXpathParser {
    private DocumentBuilder builder;
    private XPath path;

    public HtmlXpathParser() throws ParserConfigurationException {
        DocumentBuilderFactory dbfactory = DocumentBuilderFactory.newInstance();
        builder = dbfactory.newDocumentBuilder();
        XPathFactory xpfactory = XPathFactory.newInstance();
        path = xpfactory.newXPath();
    }

    public Optional<String> parse(String fileName) throws SAXException, IOException, XPathExpressionException {
        File file = new File(fileName);

        Document doc = builder.parse(file);
        String result = path.evaluate("//img/@src", doc);

        return Optional.of(result);
    }

    public static void main(String[] args) throws ParserConfigurationException, XPathExpressionException, SAXException, IOException {
        HtmlXpathParser parser = new HtmlXpathParser();

        Optional<String> srcResult = parser.parse("src/main/resources/index.html");
        srcResult.ifPresent(System.out::println);
    }
}

Output：

https://s3.amazonaws.com/acloudguru-opsworkslab/ACG_Austin.JPG

它适用于 XPath 版本 1。如果需要，可以使用xpath2-parser 之类的东西。

有用的参考资料：

Java HTML XPath 选择器

问题描述

1 个解决方案

解决方案1
1 2020-04-10 13:15:45

Java HTML XPath 选择器

问题描述

1 个解决方案

解决方案1 1 2020-04-10 13:15:45

解决方案1
1 2020-04-10 13:15:45