问题标签 [htmlcleaner]

嗨，这是我在这里的第一篇文章，我正在写它，因为我浏览了谷歌在 htmlcleaner 上知道的每个示例......而且我无法让我的项目运行；（我试图制作一个 Android 应用程序，从丰富的 Flash 网页中获取和显示数据。想法是只获取最重要的数据，这样用户就不会浪费时间、金钱处理能力、试图在智能手机上浏览这些页面的神经......它是一个国家特定的网页......因此是国家特定的应用程序。在页面上想解析有这部分

以上是一个ListItem，网页上还有其他类似的。我已经准备好用来自 li ments 的数据填充它的 java 类。一个 li 元素的一个 clss 对象。我需要从 superClass 中提取描述、价格、材料、图片链接、东西，意思是 aaa、bbb、ccc、ddd 等......最大的问题是如何做到这一点？我认为，如果我从创建一个由 li 元素组成的数组开始，我将能够进一步搜索它们中的每一个以查找我需要的子元素......但它不起作用;(

只给出第一个 li 元素，然后它在控制台中发送 nullPointerExceptions 请帮助，我绝望了 ;(;(;(

我使用 htmlcleaner 来解析 HTML 文件。这是一个 html 文件的示例。

Name我在我的代码中使用这种结构得到了这个词

;

但我不明白如何在我的示例中获取链接。我想获得链接http://exxample.com但我不知道该怎么做。

请帮我。我阅读了教程并使用了该功能，但不能。

PS对不起我的英语不好

我有一个示例 XML（Android 平台），我想知道获取文本节点的节点值的最简单和最有效的方法。

我可以使用 XPath 2.0 轻松获得它：

但在Android中我得到......

但是如何在没有不需要的文本的情况下在 Android 的 XPath 中选择它？

我需要使用 readability.js 和 webbrowser 控件以编程方式获取网页的精简版本。

http://arc90labs-readability.googlecode.com/svn/trunk/js/readability.js

我是否必须将要剥离的网页加载到 webbrowser 控件中，然后将可读性 javascript 函数注入 HEAD 并以某种方式从那里调用它（使用 WebBrowser1.Document.parentWindow.execScript），还是有一些更简单的方法去?

只是在正确的方向寻找一个颠簸。

谢谢！

试图获取元素“a”和“span”的值。使用 HTMLCleaner。

这是代码：

据我了解，先取“div”元素，然后取他的子元素“p”，但是当我处理“a”和“span”元素值时返回空ю提示我犯错的地方。谢谢

我正在尝试提出一个复杂的 xPath 表达式，但我不知道该怎么做。想象一下，你有一些这样的 HTML：

想象一下，有时第二个<br>和随后的“something3”不存在。我想创建一个 xPath 表达式，它将所有跨度节点及其内容带到第一个节点，<br>以便我最终只解析“something1”。我不知道这是否可能，如果没有，有没有人知道解析所有<span>节点后的方法？

我不得不说我正在使用 HtmlParser，它是一个解析 HTML 并支持 xPath 表达式的 Java 库。

谢谢，

马夏尔

我使用 WYSIWIG html 组件来允许我的客户输入 html 内容，并使用 JSoup 在服务器端对其进行清理。有时（取决于浏览器和用户），提交的内容包含空标签（如<p>）或空白标签（如<br />）。这些很烦人，因为出于所有意图和目的，输入都是空白的，但字符串的长度是非零的。

有谁知道是否有一个 JSoup 设置允许我剔除所有不包含内容的尾随标签？

我正在尝试访问 .html 文件并提取<p>标签中的文本。从逻辑上讲，我下面的代码应该可以工作。通过使用 HTML::TreeBuilder。我解析 html，然后<p>使用 find_by_attribute("p") 提取文本。但是我的脚本出来的目录是空的。我遗漏了什么吗？

我的 .html 文件是来自 .asp 网站的纯文本 html，例如http://www.singaporemedicine.com/vn/hcp/med_evac_mtas.asp

我的 .html 文件保存在：

我将这个 xPath 表达式放入 htmlCleaner：

现在，我的问题是它发生了变化，有时 /a/img 元素不存在。所以我想要一个获取所有元素的表达式

当 /a/img 存在时，并且

当 /a/img 不存在时。

有谁知道如何做到这一点？我在另一个问题中发现了一些看起来可能对我有帮助的东西

但我不明白。

我有一堆网络文档，想从中删除 html 标签。我在 StackOverflow 上看到了一些关于如何在 java 中执行的帖子，从 regex 到 HtmlCleaner 和 Jsoup。

我有兴趣找到最快的方法来做到这一点。我有数百万份文档，所以性能对我来说至关重要。我什至可以用一些质量来换取性能。

感谢您提前提供任何答案。