3

任务：HTML - Scala 中的解析器。我对 scala 很陌生。

到目前为止：我已经用 Scala 编写了一个小 Parser 来解析随机的 html 文档。

import scala.xml.Elem
import scala.xml.Node
import scala.collection.mutable.Queue
import scala.xml.Text
import scala.xml.PrettyPrinter

object Reader {
  def loadXML = {
    val parserFactory = new org.ccil.cowan.tagsoup.jaxp.SAXFactoryImpl
    val parser = parserFactory.newSAXParser()
    val source = new org.xml.sax.InputSource("http://www.randomurl.com")
    val adapter = new scala.xml.parsing.NoBindingFactoryAdapter
    val feed = adapter.loadXML(source, parser)
    feed
  }

  def proc(node: Node): String =
    node match {
      case <body>{ txt }</body> => "Partial content: " + txt
      case _ => "grmpf"
    }

  def main(args: Array[String]): Unit = {
    val content = Reader.loadXML
    Console.println(content)
    Console.println(proc(content))

  }
}

  1. 问题是“proc”不起作用。基本上，我想准确获取一个节点的内容。还是有另一种方法可以在不匹配的情况下实现这一目标？

  2. loadxml 函数中的“提要”是否为我提供了正确的解析格式，还是有更好的方法来实现这一点？Feed 还给我根节点，对吧？

提前致谢

4

1 回答 1

3

你是对的：adapter.loadXML(source, parser)给你根节点。问题是该根节点可能与body您proc方法中的情况不匹配。即使根节点是body，它仍然不会匹配，除非该元素只包含文本。

你可能想要更像这样的东西：

def proc(node: Node): String = (node \\ "body").text

where\\是一个大致等同于 XPath 的选择器方法——即，它返回named//的所有后代。如果您知道这是根节点的子节点（而不是更深的后代），这可能是 HTML 的情况，您可以使用.nodebodybody\\\

于 2012-08-22T21:06:13.460 回答