任务:HTML - Scala 中的解析器。我对 Scala 很陌生。
到目前为止:我已经用 Scala 编写了一个小的解析器来解析一个随机的 html 文档。
import scala.xml.Elem
import scala.xml.Node
import scala.collection.mutable.Queue
import scala.xml.Text
import scala.xml.PrettyPrinter
object Reader {
def loadXML = {
val parserFactory = new org.ccil.cowan.tagsoup.jaxp.SAXFactoryImpl
val parser = parserFactory.newSAXParser()
val source = new org.xml.sax.InputSource("http://www.randomurl.com")
val adapter = new scala.xml.parsing.NoBindingFactoryAdapter
val feed = adapter.loadXML(source, parser)
feed
}
def proc(node: Node): String =
node match {
case <body>{ txt }</body> => "Partial content: " + txt
case _ => "grmpf"
}
def main(args: Array[String]): Unit = {
val content = Reader.loadXML
Console.println(content)
Console.println(proc(content))
}
}
问题是“proc”不起作用。基本上,我想准确获取一个节点的内容。还是有另一种无需匹配的方法来实现?
loadxml 函数中的“提要”是否返回正确的解析格式,或者是否有更好的方法来实现? Feed 返回根节点,对吧?
提前致谢
最佳答案
你是对的:adapter.loadXML(source, parser)
给你根节点。问题是那个根节点可能不会匹配 body
在你的案例中 proc
方法。即使根节点是 body
, 它仍然不会匹配,除非该元素仅包含文本。
你可能想要更像这样的东西:
def proc(node: Node): String = (node \\ "body").text
在哪里\\
是一个选择器方法,大致等同于 XPath 的 //
—即,它返回 node
的所有后代名为 body
.如果你知道body
是根节点的子节点(而不是更深的后代),HTML 可能就是这种情况,您可以使用 \
而不是 \\
.
关于html - 在 Scala 中解析 HTML,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12080408/