java - 在 Java 中解析 HTML 数据，包括 &lt 和 &gt 标签？

Question

我想用 Java 解析 HTML 文本。

我尝试使用 javax.swing.text.html.HTMLEditorKit 解析 HTML 数据。它帮助我从 HTML 中获取数据。但是我有一个 HTML 数据，比如 -

<span class="TitleServiceChange" >Service Change</span>
                    <span class="DateStyle">
                     Posted: 12/16/2012  8:00PM
                    </span><br/><br/>
                  <P>

用 '<' 和 '>' 代替 '<' 和 '>'

解析上述文本时出现错误 -

Parsing error: start.missing body ? ? at

请建议我解决我的问题。 提前致谢。

Answer 1

要取消转义包含在字符串中的全部转义字符，您可以使用 Apache Commons Lang实用程序库。

具体来说，使用 StringEscapeUtils类，您可以在其中找到 unescapeHtml4 方法等。