在 Java 中評估 XPath 表達式時出現異常

Question

我正在嘗試使用 Java 學習 Xpath 表達式的用法。 我正在使用 Jtidy 將 HTML 頁面轉換為 XHTML，以便我可以使用 XPath 表達式輕松解析它。 我有以下代碼：

DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
factory.setNamespaceAware(true);


DocumentBuilder builder = factory.newDocumentBuilder();
    Document doc = ConvertXHTML("https://twitter.com/?lang=fr");

//Create XPath

XPathFactory xpathfactory = XPathFactory.newInstance();
XPath Inst= xpathfactory.newXPath();
NodeList nodes = (NodeList)Inst.evaluate("//p/@align",doc,XPathConstants.NODESET);
    for (int i = 0; i < nodes.getLength(); ++i) 
   {
            Element e = (Element) nodes.item(i);
            System.out.println(e);
    }

public Document ConvertXHTML(String link){
  try{

      URL u = new URL(link);

     BufferedInputStream instream=new BufferedInputStream(u.openStream());
     FileOutputStream outstream=new FileOutputStream("out.xhtml");

     Tidy c=new Tidy();
     c.setShowWarnings(false);
     c.setInputEncoding("UTF-8");
     c.setOutputEncoding("UTF-8");
     c.setXHTML(true);

     return c.parseDOM(instream,outstream);
     }

它適用於大多數 URL，但這個：

https://twitter.com/?lang=fr

我收到此異常是因為：

javax.xml.transform.TransformerException: 索引 -1 越界.....

下面是我得到的堆棧跟蹤的一部分：

javax.xml.transform.TransformerException: Index -1 out of bounds for length 128
at java.xml/com.sun.org.apache.xpath.internal.XPath.execute(XPath.java:366)
at java.xml/com.sun.org.apache.xpath.internal.XPath.execute(XPath.java:303)
at java.xml/com.sun.org.apache.xpath.internal.jaxp.XPathImplUtil.eval(XPathImplUtil.java:101)
at java.xml/com.sun.org.apache.xpath.internal.jaxp.XPathExpressionImpl.eval(XPathExpressionImpl.java:80)
at java.xml/com.sun.org.apache.xpath.internal.jaxp.XPathExpressionImpl.evaluate(XPathExpressionImpl.java:89)
at files.ExampleCode.GetThoselinks(ExampleCode.java:50)
at files.ExampleCode.DoSomething(ExampleCode.java:113)
at files.ExampleCode.GetThoselinks(ExampleCode.java:81)
at files.ExampleCode.DoSomething(ExampleCode.java:113)

我不確定問題是否出在網站的轉換后的 xhtml 或其他方面。 誰能說出代碼中有什么問題？ 任何編輯都會有所幫助。

Answer 1

我通常會說，來自XPath引擎深處的邊界索引異常是XPath引擎中的錯誤。 唯一的警告是XPath引擎正在搜索的DOM在結構上是否有問題； XPath處理器有權合理假設DOM是有效的，否則無效。 在這種情況下，這將是Tidy的一個錯誤，該錯誤創建了DOM。

Answer 2

我在 JTidy 生成的文檔上使用 xpath 評估時遇到了類似的問題。 我通過讓 JTidy 將它生成的 DOM 序列化為一個文件，然后使用 javax.xml.parsers.DocumentBuilder 解析該 xml 文件以獲得第二個版本的 DOM 來解決它。 看起來很奇怪，使用第二個避免了越界異常並起作用。 使用如下代碼：

        DocumentBuilderFactory documentBuilderFactory = DocumentBuilderFactory.newInstance();
        documentBuilderFactory.setNamespaceAware(true);
        // If you don't do the following, it will take a full minute to parse the xml document (presumably the time-out
        // period for trying to load the DTD). See https://stackoverflow.com/questions/6204827/xml-parsing-too-slow.
        documentBuilderFactory.setFeature("http://apache.org/xml/features/nonvalidating/load-external-dtd", false);
        documentBuilder = documentBuilderFactory.newDocumentBuilder();
        Document doc = tidy.parseDOM(input, null);
        FileOutputStream fos = new FileOutputStream("temp.xml");
        tidy.pprint(doc, fos);
        fos.close();
        doc = documentBuilder.parse("temp.xml");