[英]java IOException when parsing a URL of a page for creating a DOM using TagSoup
[英]HTML page to XHTML with TagSoup
很抱歉,如果這太簡單了,但我找不到教程,也沒有找到TagSoup Java版本的文檔。
基本上我想從互聯網上下載HTML網頁並將其轉換為包含在字符串中的XHTML。 我怎么能用TagSoup做到這一點?
謝謝!
像這樣的東西:
wget -O - example.com/bad.html | java -jar tagsoup.jar
或者,來自Java:
解析HTML:
- 創建
org.ccil.cowan.tagsoup.Parser
的實例- 提供您自己的SAX2 ContentHandler
- 提供引用HTML的
InputSource
- 並
parse()
!
下面的代碼應該為您提供一種方法來下拉網頁並使用TagSoup進行相應的解析...
HttpClient client = new DefaultHttpClient();
HttpGet request = new HttpGet("http://streak.espn.go.com/en/?date=20120824");
HttpResponse response = client.execute(request);
// Check if server response is valid
StatusLine status = response.getStatusLine();
if (status.getStatusCode() != 200) {
throw new IOException("Invalid response from server: " + status.toString());
}
// Pull content stream from response
HttpEntity entity = response.getEntity();
InputStream inputStream = entity.getContent();
try
{
XMLReader parser = XMLReaderFactory.createXMLReader("org.ccil.cowan.tagsoup.Parser");
// Use the TagSoup parser to build an XOM document from HTML
Document doc = new Builder(parser).build(builder.toString());
// Push your data to string or XML
doc.toString();
doc.toXML();
}
catch(IOException e)
{ ... }
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.