使用jpedal从html中提取超链接？--java

Question

java中的JPedal库通常用于将pdf转换为XML或HTML。然而，我需要知道我们是否可以使用JPedal库API从HTML5文档中提取数据并将其保存到XML？有没有其他可能的替代方案？

此外，我正在尝试使用Java解析HTML5文档，并将其存储在可扩展标记语言中。有没有什么好的解决方案可以只找到特定的标签并从中生成XML？

请务必让我知道。谢谢。

Answer 1

市面上有许多Java HTML解析器，但我建议您使用validator.nu提供的HTML5解析器，可以从这里下载：http://about.validator.nu/htmlparser/。

HTML5的主要参与者之一Mozilla的Henri Sivonen编写了使用HTML5解析器算法的代码，您将找不到比这更可靠的解析器了，它创建了一个真正的DOM，可以使用标准的XML进行操作，并使用XPath查询超链接。有一些示例说明了如何对其使用XSLT转换，以及如何获得创建的DOM的XML序列化。