问题标签 [tag-soup]

我在我的一个项目中使用 TagSoup 并对 HTMLSchema.java 进行了一些修改以处理嵌套列表标签。当我测试这些更改时，它们根本没有效果。我在 Java 独立应用程序中测试了相同的更改，它们按预期工作。

当我尝试调试应用程序时，我注意到它没有在调试器中显示正确的行号，所以我做了你在这种情况下通常会做的事情：重新构建项目，重新启动 IDE，重新启动 Android 设备和PC，创建一个新的Android项目，都无济于事。

我从一些类中删除了所有代码，应用程序仍然像以前一样运行，所以很明显，Android 使用的类与我在应用程序中部署的类不同。我做了一个 Android 测试项目，除了通常的 MainActivity、布局和可绘制对象之外，什么都没有，添加了 TagSoup 类和使用 TagSoup 解析的代码，但它仍然没有使用“我的”TagSoup 类。我用两个 4.4.2 Nexus 设备和一个运行 4.1.2 的 Note 2 对此进行了测试。

只有当我将包名从 org.ccil.cowan.tagsoup 重命名为其他名称（如 org.ccil.cowan.tagsoup2）时，它才使用随我的应用程序部署的类。

我的问题很简单：到底发生了什么？

XMLBeam是一个不错的 XML 到 POJO 解组器（通过 XPath），但它只允许您配置 DocumentBuilder 或 DocumentBuilderFactory。

TagSoup是一个很好的 SAX 解析器，它可以让您像解析 XML 一样解析讨厌的 HTML 文档。

我想使用 TagSoup 作为 XMLBeam 的 XML 解析器，这样我就可以使用 XPath 将讨厌的 HTML 解组为 POJO。

有没有办法转换或包装 SAX 解析器，以便我可以将它用作 DocumentBuilder 或 DocumentBuilderFactory？

我想使用 JAXB 将一些讨厌的 HTML 解组为 Java 对象。（我在 Java 7 上）。

Tagsoup 是一个符合 SAX 的 XML 解析器，可以处理讨厌的 HTML。

如何设置 JAXB 以使用 Tagsoup 来解组 HTML？

我尝试设置 System.setProperty("org.xml.sax.driver", "org.ccil.cowan.tagsoup.Parser");

如果我创建一个 XMLReader，它会使用 Tagsoup，但在我使用 JAXB 时不会。

1. com.sun.xml.internal.bind.v2.runtime.JAXBContextImpl 是否使用 DOM 或 SAX 来解析 XML？

2. 如何告诉 JAXB 使用 SAX？

3. 如何告诉 JAXB 使用 TagSoup 作为 SAX 实现？

根据 Blaise 的建议，在下面尝试，但在最后一行得到 SAXParseException。仅使用 XMLReader 完成解析就可以了：

清理一个 xml 文件我得到了意想不到的结果：tagsoup 已经孤立了一些属性太快关闭了父标签。它还将父标签的名称小写。

在标签汤之前：

标签汤之后：

我在一个使用这个库的java项目中：

我正在使用 Java 6。

有什么线索吗？
有效 xml 文件的所需输出将是同一个文件（可能只是更改细节，而不是结构），不是吗？

我正在为 Web 应用程序编写一个插件，该插件采用用户提供的 HTML 并将其转换为不同的 HTML 代码。我主要想找到具有给定类/内容（“指令”）的所有元素并将其重写为其他内容。我正在使用 Scala 2.11.1 和 TagSoup 解析器来处理对 XML 不友好的代码。

我目前的主要问题是对XML.parseString("<div></div>")收益的调用：

这种行为会使生成的页面（即iframes、divs 等）出现乱码，因为我希望不最小化此标签。有没有办法在加载阶段避免这种行为？

第二个问题与 TagSoup 有关。解析如下代码块时：

TagSoup 将其解析为

有什么办法可以避免这些问题吗？到目前为止，我只提出了“讨厌”的解决方案，例如重写所有元素以使其最小化并从<script>标签内容中删除所有实体。

TagSoup 解析是这样完成的：

我正在使用XmlSlurper由 tagoup 支持的Groovy 解析一些 HTML4 Parser。

我text()成功地获得了一个节点，但是 在尝试测试与另一个值是否相等时，HTML 空间给我带来了一些困难。具体来说，.trim()实际上并不修剪所有空格的字符串。在我看来，值两侧的字符都是空格（见下面的代码），但String.trim()并没有像我期望的那样修剪。从代码示例可以看出，Character.isSpaceChar()对于字符串中的第一个字符被确定为空格字符。

为什么String.trim()不修剪我从中获得的这个值XmlSlurper？

产量：

我在用着Groovy Version: 2.3.6 JVM: 1.8.0 Vendor: Oracle Corporation OS: Mac OS X

我在我的一个项目中遇到了 TagSoup 的问题：即使我向 pom 添加了 maven 依赖项，IntelliJ 13 Ultimate 仍然会喊它无法解析命名空间org.ccil.cowan.tagsoup.Parser（指向“ccil”位）。
因此，我创建了一个新的空 Maven 项目，并向其添加了 2 个依赖项：saxon9 和 tagoup1.2。

并创建了简单的类：

结果：

• saxon 和 tagoup 都被下载到我的本地仓库
• 它建立在终端 ( mvn clean install)
• 在 IntelliJ 中，撒克逊人的东西正在得到解决
• 在 IntelliJ 中，tagsoup 的东西仍然在命名空间的“ccil”部分出现错误“无法解析符号”
• 由于上述错误，不会在 IntelliJ 中构建

有任何想法吗？我是否缺少对 tagoup 的某种依赖（当然在 tagoup 网站上看不到有关这种依赖的任何内容）？谢谢。

使用以下链接，我正在尝试创建 URL 的 DOM 树（即返回此异常的特定 URL）：

但是当我为这个 URL 运行我的程序时，它给了我一个p.parse(new InputSource(url));我不知道为什么的异常。因为到目前为止它没有任何问题。

任何提示？

HTML5 允许<meta>标签出现在正文中，但 Enlive 似乎不支持这一点：

此测试失败，但如果您删除元标记，它将通过。

这个旧线程让我意识到这是导致问题的元标记。

我意识到 Enlive 依赖于 Tagsoup，但是当我将其切换为 JSoup（声称支持 HTML5）时，我得到了相同的结果。

我将tagoup用作 (SAX)XMLREader并将命名空间功能设置为false. 此解析器用于提供TransformerSAX 源。完整代码：

这会导致类似：

问题是标签名称是空白的。XMLReader（tagsoup 解析器）在 SAX 方法ContentHandler#startElement和ContentHandler#endElement. 对于不知道命名空间的解析器，这是允许的（参见Javadoc）。

如果我添加一个XMLFilter将 qName 的值复制到 localName 的值，那么一切正常。但是，这不是我想要的，我希望这可以“开箱即用”。我究竟做错了什么？任何输入将不胜感激！