问题标签 [html-parser]

下面的代码解析 HTML，当数据中出现 & 符号时，问题是分裂。

输出
它正在拆分“＆”而不是仅逗号。

谢谢

我试图让这个http://htmlparser.sourceforge.net/代码在 Eclipse 中运行。有简单的说明“要使用该库，您需要在编译和运行时将 htmllexer.jar 或 htmlparser.jar 添加到您的类路径中。”

我已将 htmllexer.jar 和 htmlparser.jar 添加到我的构建路径中，并且一切都可以正常编译。但是在运行时 eclipse 似乎找不到那些 jar 文件。我不确定如何将这些 jar 文件添加到运行时类路径中......

我的日食看起来像这样：

现在我正在使用 python 编写一个网络爬虫，但有时它会抛出 HTMLParserError：

junk characters in start tag: u'\u201dTPL_password_1\u201d\r\n\t\t', at line 21285, column 6

它说错误出现在第 21285 行，是否意味着错误出现在 HTML 源代码的第 21285 行？如果没有，我怎么知道当前产生错误的 HTML 代码是什么？当前的解析网址是什么？

我的解析类可以简化如下：

谢谢你的帮助。

我正在尝试解析网页，但是当我想在页面中获取一段文本时。当我调用 Jsoup.parse() 和 Jsoup.connect().get() 方法时，Jsoup 给我一个错误的文档。

这是网页和我的代码的一部分。doc var 有一个错误的 DOM。

doc1 变量结果为：

我做错什么了吗？

我正在尝试从 html 源代码中获取 RSS 链接。我使用Jsoup java 库来查找 rss 链接。我写了一小段代码来获取 RSS 链接，但不幸的是它不适用于所有网站。下面是我的代码

上述代码不适用于所有网站。请解决我的问题。（我正在尝试查找 RSS 2.0 链接）

谢谢你

HTMLParser.unescape行为如下：

我应该怎么做才能得到确切的beta符号而不是\u03b2？

谢谢

我怎样才能找到所有anchor带有源pdf的标签

我只需要abc.pdf在字符串变量中

我有包含大量图像和实时内容的 HTML 网页。我需要parse the data from the webpage(HTML)在 iPhone 应用程序中显示。我正在使用以下代码来解析 HTML 内容。但我不知道如何解析标签中的子标签？

回复：

我想从phoneModelItems类中获取文本诺基亚模型。你能告诉我如何检索文本“诺基亚模型”吗？提前致谢。

我想用python从我的字符串中删除所有html标签，我使用这个：

但这删除了我所有的 html 标签。

在org.htmlparser我想tbody通过id

为什么不nodelist1读书<tr><td>4</td><td>5</td></tr>？