-1

我正在尝试使用 XSLT 将 html 内容抓取到 xml 结构中，我使用 XALAN（CLI）针对 html 测试了我的 xslt，当我对结果感到满意时，我获取了 xslt 文件并使用转换器从 java 代码中使用它（ javax.xml.transform.TransformerFactory），下面是看起来类似于真实代码和样式表的测试值。

我的 html 示例数据：

<html><body class='home'>
        <div >Welcome !!</div>
    <table border='0'><tr><td colspan='2'>asdas</td></tr>
        <tr><td class='footer' colspan='2' align='center'>Disclaimer: The information provided below is for informative purpose only and it is not a legal document.</td></tr>
        <tr><td colspan='2'>test;</td></tr>
    <tr><td class='Home' width='50%' aligh='center'> number:</td><td class='Home' width='50%' aligh='center'>515120</td></tr><tr><td class='Home' width='50%' aligh='center'>Connection :</td><td class='Home' width='50%' aligh='center'>123.23</td></tr><tr><td class='Home'>period (month / year):</td><td class='Home'>04/2012</td></tr><tr><td class='Home'>Date:</td><td class='Home'>APRIL     08,2012, 21:35</td></tr>  </table>
    </body>
    </html>

我唯一的 xsl 模板是：

<xsl:template match="*">
<usage_channel>
<head><xsl:value-of select="//div/text()" /></head>
<body><xsl:value-of select="//td/font/text()" /></body>
<footer><xsl:value-of select="body/table/tr[contains(td,'number')]/td[1]/text()" /></footer>
</usage_channel>
</xsl:template>

使用 XALAN (cli) 的结果：

<?xml version="1.0" encoding="UTF-8"?><usage_channel><head>Welcome !!</head><body/><footer> number:</footer></usage_channel>

使用 Java 转换器的结果：

<?xml version="1.0" encoding="UTF-8"?>
<usage_channel>
   <head>Welcome !!</head>
   <body/>
   <footer/>
</usage_channel>

我尝试了所有希望捕捉 td 中的值的组合，但我失败了，这里缺少什么？

4

1 回答 1

0

我发现由于 HTMLCleaner 的使用，转换器使用的 HMTL 数据与原始数据略有不同，因此基于该问题，我的大多数 XSLT 选择查询不再有效。我不得不打印出 HTML 并发现问题：

被 HTMLCleaner 清理后修改的 HTML：

<html>
<head></head>
<body class="home">
   <div>Welcome !!
   <center>
   <table border="0">
     <tbody>
       <tr><td colspan="2">asdas</td></tr>
       <tr><td class="footer" colspan="2" align="center">Disclaimer: The information provided below is for informative purpose only and it is not a legal document.</td></tr>
       <tr><td colspan="2">test;</td></tr>
       <tr><td class="Home" width="50%" aligh="center">number:</td><td class="Home" width="50%" aligh="center">515120</td></tr>
       <tr><td class="Home" width="50%" aligh="center">Connection :</td><td class="Home" width="50%" aligh="center">123.23</td></tr>
       <tr><td class="Home">period (month / year):</td><td class="Home">04/2012</td></tr>
       <tr><td class="Home">Date:</td><td class="Home">APRIL     08,2012, 21:35</td></tr>    
    </tbody>
  </table>
  </center>
  </div>
</body>
</html>

请注意新标签<center>，它破坏了我大部分依赖路径的查询body/table/tr/td，更改它们以body/div/center/table/tr/td解决问题。感谢 Dimitre 的评论！

于 2012-06-10T08:53:52.033 回答