java - 可以解析 HTML 文档并构建 DOM 树(java)

Question

是否有可能以及可以使用什么工具将 html 文档解析为字符串或从文件中解析，然后构建 DOM 树，以便开发人员可以通过一些 API 遍历树。

例如:

DomRoot = parse("myhtml.html");

for (tags : DomRoot) {
}

注意:这是一个 HTML 文档，不是 XHtml。

Answer 1

您可以使用 TagSoup - 它是一个 SAX 兼容的解析器，可以将格式错误的内容(例如 HTML)从通用网页中清除为格式正确的 XML。

This is <B>bold, <I>bold italic, </b>italic, </i>normal text

gets correctly rewritten as:

This is <b>bold, <i>bold italic, </i></b><i>italic, </i>normal text.