问题标签 [jericho-html-parser]

我正在开发一个使用 Jericho html 解析器的 Android 项目。应用程序启动，但是当我想在按下搜索按钮时使用解析器时，我收到以下错误：

我导入了 Jerco html 解析器 JAR 文件，所以这不应该是问题。我不知道为什么会发生这个错误！

有任何想法吗？

我一直在使用 Jsoup 来解析我的 HTML 文件，到目前为止它做得很好。但是，它无法解析任何服务器标签（ <% ... %> ）。我决定扩展它，但我找不到一种简单的方法来扩展它的Parser和所有那些私有/包级别的类（即 TreeBuilder、TransitionState ......等）......

所以我开始研究Jericho，因为它声称它可以解析服务器标签 - 但是，它的文档太差了，我什至无法轻松入门。并且似乎它的 API 不像 Jsoup 提供的那样友好 - 提取一些节点并移动它并不是那么直接......

我想知道以前是否有人遇到过类似的情况以及如何解决？简而言之，我只想用Java解析JSP文件。（嗯..请不要让我自己实现一个；p）

我正在使用 Jericho java 客户端库来解析所有 href 链接。我想要做的是过滤掉或跳过源中包含特定 id 的所有链接。我尝试了几件事，但我的解决方案并不漂亮，但基本上我可以通过检查以下内容来完成此操作：

但我更喜欢更清洁的解决方案。让我们假设这是来源：

只是一个小片段，但我希望它最终返回给我的只是“www.google.com”。我将不胜感激。谢谢。

我一直在试验 Jericho HTML Parser 和 Selenium IDE，目的是从 HTML 内的特定位置跨多个页面提取文本。

我还没有找到一个简单的例子来说明如何做到这一点，我也不知道 java。

我想在一个文件夹中找到第一个表、第 4 行、第 1 个 div 中的所有 HTML 页面的任何文本字符串：

并将所选文本打印到列表中的 txt 文件，如下所示：

所有源文件都存储在本地，并且可能包含错误的 HTML，因此认为 Jericho 可能最适合此目的。但是，我很高兴学习任何方法来达到预期的结果。

我在我的 Web 应用程序中使用了所见即所得的编辑器 (CKEditor) 来为用户提供基本的文字处理器。我试图将该 CKEditor 的输出保存到 pdf 文档。我现在可以生成 pdf 文档，但问题是 CKEditor 的输出是 HTML 代码，并且它正在以 pdf 的形式发布。我想发布在 CKEditor 中看到的 pdf 文档，但我不希望 pdf 中的那些 HTML 标签。Java中是否有任何库可以通过消除那些html标签但保留它们的效果来呈现或将该html代码转换为纯文本，即如果HTML代码有This is Bold然后pdf应该保存为This is Bold不像 <b>This is Bold</b>

我正在使用 Jericho 来解析 Html。我有一个 html 页面，我需要在其中提取两个特定文本之间的数据。

如何使用 jercio提取第 7项和第 8 项之间的数据。

提前致谢

我正在使用Jericho HTML Parser来解析一些格式错误的 html。特别是我试图获取所有文本节点，处理文本然后替换它。

我想跳过处理中的特定元素。例如，我想跳过所有元素，以及任何具有属性 class="noProcess" 的元素。所以，如果一个 div 有 class="noProcess" 那么我想跳过这个 div 和所有子进程。但是，我确实希望这些跳过的元素在处理后返回到输出。

Jericho 为所有节点提供了一个迭代器，但我不确定如何从迭代器中跳过完整的元素。这是我的代码：

它看起来不像使用 ignoreWhenParsing() 方法对我有用，因为解析器只是将“忽略”元素视为文本。

我在想，如果我可以将 Iterator 循环转换为 for (int i = 0;...) 循环，我可能能够通过修改 i 指向 EndTag 来跳过元素及其所有子元素，然后继续循环....但不确定。

今天我尝试使用lib as jericho-html-3.2从简单的html中提取文本......我遇到了一个奇怪的文本假长度问题，如下所示：

如果我有 html 作为这个

...我的RichTextArea getText().length()返回42，它实际上是正确的长度，但是当我尝试使用类似的代码从这个 html 中提取文本时

...text.length()回报44

所以我不明白为什么长度为42的文本变成长度为44的文本以及如何修复它？

谢谢

我试图图书馆 jericho 和 jsoup。但不幸的是，解析的文本包含链接。事实上，我正在尝试对 html 文本进行标记以查找关键字，而这两个库正在产生很多非常难以处理的噪音。

通过此链接：

http://jobview.monster.com/Sr-Java-Developer-Job-Baltimore-MD-126949729.aspx

我收到如下噪音：1061349 20baltimore 2c 2f

所有这些都来自链接/ src 等标签。

如何防止这些链接元素出现在解析的文本中？

谢谢

1-我编写什么代码来获取此代码中的所有“想要访问”元素，没有其他元素，如“一些数据”，只想要 div 类 bestMFdtl2中的元素。

2-如果我想根据选择如何在此代码中包含一些特定元素，我正在使用 html jerico 解析器。请帮助我，那些在阅读代码时遇到问题的人我很抱歉，但你是我认为你喜欢的程序员这个。

3-如何从标签中获取href链接。