大家晚上好!
我正在尝试使用 JDOM2 解析 Java 中的 HTML 页面,以从中访问一些信息。
我的代码如下所示:(刚刚添加了此代码块的包,我的真实源代码中没有它们)
//Here goes the reading of the site into my String "string" (using NekoHTML)
org.xml.sax.InputSource is = new InputSource();
is.setCharacterStream(new StringReader(string));
org.cyberneko.html.parsers.DOMParser parser = new DOMParser();
parser.parse(is);
org.jdom2.input.DOMBuilder builder = new DOMBuilder();
org.jdom2.Document doc = builder.build(parser.getDocument());
除了某些特殊情况之外,这对所有情况都适用:当网站的元素中包含引号时。这是我的意思的一个例子:
<a href="LINK" title="Der "realismo mágico" und die Phantastische Literatur">Der "realismo mágico" und die Phantastische...</a>
因此,在那个美妙的标签之后,我得到以下错误跟踪:
SEVERE: org.jdom2.IllegalNameException: The name "literatur"" is not legal for JDOM/XML attributes: XML name 'literatur"' cannot contain the character """.
所以,现在我的问题是:我有什么选择来处理这个错误? NekoHTML 中是否有我可以使用的功能(使用“setFeature()”),或者 JDOM 中我可以使用什么功能?
如果没有:是否有其他适合抓取网站的库,可以在标签中使用引号之类的东西?
感谢您的宝贵时间!
最佳答案
关于java - 使用 JDom2 解析 HTML 时引号导致 IllegalNameException,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/24679017/