使用jpedal從html提取超鏈接？ --java

Question

Java中的JPedal庫通常用於將pdf轉換為XML或HTML。 但是，我需要知道是否可以使用JPedal庫API從HTML5文檔中提取數據並將其保存為XML？ 還有其他可能的替代方法嗎？

另外，我正在嘗試使用Java解析HTML5文檔並將其存儲為XML。 有什么好的解決方案可以找到特定的標簽並從其中渲染XML？

請讓我知道。 謝謝。

Answer 1

那里有許多Java HTML解析器，但是我建議使用來自validator.nu的HTML5解析器，可以從以下網址下載： http : //about.validator.nu/htmlparser/ 。

由HTML5的主要角色之一，Mozilla的Henri Sivonen使用HTML5解析器算法編寫而成，您將找不到更可靠的HTML解析器，它會創建可使用標准XML工具進行操作並查詢超鏈接的真實DOM。 XPath。 有一些示例說明如何將XSLT轉換與其一起使用，以及如何獲得所創建DOM的XML序列化。