在Java中解析非xml文件

Question

我想解析不是純xml的文檔。 例如

my name is <j> <b> mike</b>  </j>

例子2

 my name is  <mytag1 attribute="val" >mike</mytag1> and yours is <mytag2> john</mytag2>

表示我的輸入不是純xml。 IT類似於html，但標記不是html。 如何在Java中解析？

Answer 1

您的示例是有效的XML，但缺少document元素。 如果您知道情況總是如此，那么您可以將整個虛擬包裝一組偽標簽，然后使用標准解析器（SAX，DOM ...）

另一方面，如果您發現一些較丑陋的內容（例如，標簽不匹配或以重疊的方式隔開），則必須做一些自定義操作，其中涉及許多規則，您必須對此做出決定對於您的應用程序將是唯一的。 （例如，我如何處理沒有關閉的開始標簽？如果關閉標簽在父標簽之外怎么辦？）

Answer 2

很少有解析器采用格式不正確的html並將其轉換為格式良好的xml，這里與示例進行一些比較 ，其中包括最受歡迎的示例 ，但HTMLParser除外。 可能正是您所需要的。