我的机器上有数百个旧的 html 文件，我正在尝试解析和提取一些数据。我尝试了不同的 Java 解析器，包括 Jsoup、Tagsoup、HTMLcleaner、JTidy 等。由于 html 代码在文件中的方式，我只能使用支持 XPATH 的解析器，尝试了 Jsoup，但找不到等效的 css 选择器。
无论如何，我的问题是无论我尝试什么解析器，都会清理实际内容并将 ' （撇号）之类的东西转换为奇怪的字符。
是否可以使用任何 Java 解析器解析内容而无需整理和替换特殊字符？
我的机器上有数百个旧的 html 文件，我正在尝试解析和提取一些数据。我尝试了不同的 Java 解析器，包括 Jsoup、Tagsoup、HTMLcleaner、JTidy 等。由于 html 代码在文件中的方式，我只能使用支持 XPATH 的解析器，尝试了 Jsoup，但找不到等效的 css 选择器。
无论如何，我的问题是无论我尝试什么解析器，都会清理实际内容并将 ' （撇号）之类的东西转换为奇怪的字符。
是否可以使用任何 Java 解析器解析内容而无需整理和替换特殊字符？