0

我必须从服务器解析一个 xml 文件;我尝试使用 DOm 解析器和 Sax 解析器,但我无法解析 html 标签,并且在找到第一个“<”时停止

这是我的解析器类:

public class XMLParser {

    // constructor
    public XMLParser() {

    }


    public String getXmlFromUrl(String url) {
        String xml = null;
        BufferedReader in = null;

        try {
            // defaultHttpClient
            DefaultHttpClient httpClient = new DefaultHttpClient();
            HttpPost httpPost = new HttpPost(url);

            HttpResponse httpResponse = httpClient.execute(httpPost);
            in =  new BufferedReader(new InputStreamReader(
                    httpResponse.getEntity().getContent(), "UTF-8"));


            StringBuffer sb=new StringBuffer("");
             String line = "";
             String NL = System.getProperty("line.separator");

             while ((line = in.readLine()) != null)
                {
                    sb.append(line );
                    sb.append(NL );
                    line=in.readLine();
                }
             in.close();

            xml = sb.toString();;

        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        } catch (ClientProtocolException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }
        // return XML
        return xml;
    }

    public Document getDomElement(String xml){
        Document doc = null;
        DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
        try {

            DocumentBuilder db = dbf.newDocumentBuilder();

            InputSource is = new InputSource();
                is.setCharacterStream(new StringReader(xml));
                doc = db.parse(is); 

            } catch (ParserConfigurationException e) {
                Log.e("Error: ", e.getMessage());
                return null;
            } catch (SAXException e) {
                Log.e("Error: ", e.getMessage());
                return null;
            } catch (IOException e) {
                Log.e("Error: ", e.getMessage());
                return null;
            }

            return doc;
    }


     public final String getElementValue( Node elem ) {
         Node child;
         if( elem != null){
             if (elem.hasChildNodes()){
                 for( child = elem.getFirstChild(); child != null; child = child.getNextSibling() ){
                     if( child.getNodeType() == Node.TEXT_NODE  ){
                         return child.getNodeValue();
                     }
                 }
             }
         }
         return "";
     }

     /**
      * Getting node value
      * @param Element node
      * @param key string
      * */
     public String getValue(Element item, String str) {     
            NodeList n = item.getElementsByTagName(str);        
        return this.getElementValue(n.item(0));
    }

  }
4

2 回答 2

0

您应该使用 HTML 解析器,因为 Web 上可用的大多数 html 内容不符合 XML 规范。在简单的情况下,正则表达式就足够了,但在复杂的情况下,您可能需要一个 HTML 解析器。

于 2012-05-19T16:25:29.817 回答
0

如果您的 HTML 格式不正确(例如包含不关闭的标签),那么这些解析器都不会工作。您最终可能不得不手动解析(例如,通过使用正则表达式和Pattern类)。如果 HTML 格式正确,您应该发布您收到的错误,并且可能是指向该页面的链接。

于 2012-05-19T16:14:05.120 回答