1

我在这里只收到关于 python 的问题，而我发现的工具主要是针对 python 的，所以新问题：我需要使用 XPath 从 HTML 站点查询一些东西。

我当前的代码如下所示：

URL url = new URL("http://somesite.com");
connection = (HttpURLConnection) url.openConnection();
connection.connect();

Document doc = DocumentBuilderFactory.newInstance().newDocumentBuilder()
                                     .parse(new InputSource(connection.getInputStream()));

XPathFactory xPathfactory = XPathFactory.newInstance();
XPath xpath = xPathfactory.newXPath();
XPathExpression expr = xpath.compile("//span[@class='a-class']");
String price = (String) expr.evaluate(doc, XPathConstants.STRING);

问题是，页面已损坏或 XPath 有一些阅读问题：

[致命错误]：4:254：实体名称必须紧跟在实体引用中的“&”之后。
org.xml.sax.SAXParseException；行号：4；列号：254；实体名称必须紧跟实体引用中的“&”。
在 com.sun.org.apache.xerces.internal.parsers.DOMParser.parse(DOMParser.java:251)
在 com.sun.org.apache.xerces.internal.jaxp.DocumentBuilderImpl.parse(DocumentBuilderImpl.java:300)

有什么工具可以更好地阅读html网站吗？还是我应该只在页面上使用正则表达式？

4

1 回答 1

2

有什么工具可以更好地阅读html网站吗？

人们对jsoup评价很高。

于 2013-04-09T07:43:20.033 回答