问题标签 [html-parser]

我总是middlebitparent.replaceWith(nodespan); 在以下代码中出现错误，该代码是用 jsoup 编写的，用于导航 HTML 文档并更改单词“In”的背景颜色

错误说

更新：

是否有任何解析器可以以简单的方式更新文本节点中的文本

我想使用解析器确定正文中特定 H2（或 h3/h4/h5/h6）文本的出现位置数。通过位置编号，我的意思是在这个特定的 h2（或 h3/h4/h5/h6）短语之前出现的“单词”的数量......此外，如果一个短语同时出现在 h2 和 h4 文本中（例如），那么如何确保我获得这两个文本的正确位置编号？

我知道有用于解析 html 的库，例如 HTMLAgilityPack，但找不到支持表单发布或执行 javascript 的库。我想从我的 Windows 窗体应用程序中发布 html 表单，但不想使用 WebBrowser 控件或 MSHTML 库。

我有一个用 jsoup 制作的文件，看起来像这样

我如何将其doc转换为字符串。

我知道这篇文章，我已经阅读了它，但我仍然想了解 html 解析器（可能）使用什么语言？我的意思是，它是用正则表达式解析整个源代码还是使用普通的编程语言，如 c# 或 python？

除了上面的问题，你能否简要介绍一下我应该从哪里开始创建自己的解析器？（我想为我的个人需求创建一个 html 解析器 :)

我正在尝试使用 HPPLE 解析器，但出现这些错误！任何人都可以帮助我，例如为什么 NASData 不能有错误？

我需要登录到一个站点，解析 HTML 页面并提取特定 HTML 标记之间的值。

我可以在不需要登录数据的页面上成功执行此操作。我正在使用 HTML::Parser 类。

LWP::UserAgent 提供了 cookie_jar 方法来通过从文件中加载来设置 cookie。但是，我想在脚本本身中对 cookie 值进行硬编码。那可能吗？我在网上找不到任何工作示例。

这是我的代码：

请原谅在几个地方的变量声明中缺少“我的”。我匆忙写了这段代码，试图理解 LWP::UserAgent 中 Cookie 处理的概念。

概括：

我正在使用 HTML::Parser 类来解析 HTTP 响应 HTML 页面。为了读取标签之间的值，我重写了 HTML::Parser 的方法、开始、文本和结束。

cookie 值以 Key 和 Value 的形式传递。我知道，虽然我自己没有尝试过，但可以从文本文件中加载 cookie。但我想知道我们是否也可以这样做。

谢谢。

我使用 HttpClient 访问一个特定的网站，我得到的响应是 HTML 的形式。我应该使用哪个解析器或方法解析 HTML 并从响应中获取我想要的内容。注意：我在 Java 中使用 HttpClient

我需要解析一个带有简单表单的简单 HTML 页面。StackOverflow 上类似问题的答案建议使用大量非标准 Java 库之一，例如 TagSoup、JSoup、HTMLParser 和许多其他库。

然而，网络搜索显示，Java SE 通过这个类存在一些标准功能：http: //docs.oracle.com/javase/7/docs/api/javax/swing/text/html/parser/ParserDelegator.html

我的子问题是：

1. 标准 ParserDelegator 类真的可以解析像我这样的用例吗？
2. 标准库的局限性是什么导致了对这么多非标准库的需求？
3. ParserDelegator 在 Swing 中的事实是否会排除在常规 EC2 云服务器中用于 Web 应用程序的情况？我是否必须跳过很多圈才能绕过无头方面，或者这只是对配置的一个小调整？
4. 如果不推荐标准的，我应该使用哪个非标准的，考虑到：（a）我希望不偏离标准；(b) 我的简单用例；(c) 渴望成熟可靠的实施；(d) 没有尺寸或重量限制，因为这是一个服务器应用程序，而不是嵌入式客户端。API 的优先级要低得多，所以虽然我很欣赏 JSoup 的 CSS 选择器（如 API），但其他问题 (a) 到 (d) 会覆盖它。

谢谢你。

htmlparser.Parser，我有 html 的片段（见下文），我需要在我的文件中获取一堆这些容器 div 的内容，其中包含 unqiue id。我可以得到 div 和它们的内部 html 就好了。我不知道如何获取 H3 标签之间的内容

这段代码适用于 div，但不适用于 h3：如果找到具有正确 ID 的 h3，我就是不知道如何获取 innerHTML 或标签之间的内容。

谢谢你的帮助

这会找到它，但不会返回 h3 之间的数据