blocks|key|4451415|text|你有没有考虑过Tag+Soup？|type|unstyled|depth|inlineStyleRanges|entityRanges|data|4451416|http://home.ccil.org/~cowan/XML/tagsoup/|offset|length|4451417|entityMap|0|LINK|mutability|MUTABLE|url^0|0|0|14|0|0^^$0|@$1|2|3|4|5|6|7|M|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|N|8|@]|9|@$D|O|E|P|1|Q]]|A|$]]|$1|F|3|-4|5|6|7|R|8|@]|9|@]|A|$]]]|G|$H|$5|I|J|K|A|$L|C]]]]

Have you considered Tag Soup?

<a href="http://home.ccil.org/~cowan/XML/tagsoup/" rel="nofollow noreferrer">http://home.ccil.org/~cowan/XML/tagsoup/</a>

blocks|key|928862|text|除了切换到other+parsers之外？如果站点有一致的错误模式，您可以在传递给解析器之前通过一系列正则表达式对其进行热修复。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|928863|entityMap|0|LINK|mutability|MUTABLE|url|http://java-source.net/open-source/html-parsers^0|5|D|0|0^^$0|@$1|2|3|4|5|6|7|L|8|@]|9|@$A|M|B|N|1|O]]|C|$]]|$1|D|3|-4|5|6|7|P|8|@]|9|@]|C|$]]]|E|$F|$5|G|H|I|C|$J|K]]]]

Beyond switching to <a href="http://java-source.net/open-source/html-parsers" rel="nofollow noreferrer">other parsers</a>? If the site has consistent error patterns, you could hot fix them via series of regex before passing on to the parser.

blocks|key|935319|text|您可以考虑使用Swing+HTML解析器。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|935320|http://www.rkcole.com/articles/swing/HTMLParser.html|offset|length|935321|entityMap|0|LINK|mutability|MUTABLE|url^0|0|0|1G|0|0^^$0|@$1|2|3|4|5|6|7|M|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|N|8|@]|9|@$D|O|E|P|1|Q]]|A|$]]|$1|F|3|-4|5|6|7|R|8|@]|9|@]|A|$]]]|G|$H|$5|I|J|K|A|$L|C]]]]

You may consider using the Swing HTML parser.

<a href="http://www.rkcole.com/articles/swing/HTMLParser.html" rel="nofollow noreferrer">http://www.rkcole.com/articles/swing/HTMLParser.html</a>

blocks|key|668955|text|我使用了"Lobo项目“(http://lobobrowser.org/cobra.jsp)中的眼镜蛇渲染器来解析不太友好的超文本标记语言，它工作得很好。它的API也非常容易使用。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|668956|希望这能有所帮助。|668957|entityMap|0|LINK|mutability|MUTABLE|url|http://lobobrowser.org/cobra.jsp^0|D|W|0|0|0^^$0|@$1|2|3|4|5|6|7|N|8|@]|9|@$A|O|B|P|1|Q]]|C|$]]|$1|D|3|E|5|6|7|R|8|@]|9|@]|C|$]]|$1|F|3|-4|5|6|7|S|8|@]|9|@]|C|$]]]|G|$H|$5|I|J|K|C|$L|M]]]]

I have used the Cobra renderer from the "Lobo Project" (<a href="http://lobobrowser.org/cobra.jsp" rel="nofollow noreferrer">http://lobobrowser.org/cobra.jsp</a>) for parsing less-than-friendly HTML and it has worked well. It's API is also very easy to use.

Hope this helps.

blocks|key|935342|text|在解析之前使用JTidy对其进行整理，或者最好将其用作解析器|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|935343|entityMap|0|LINK|mutability|MUTABLE|url|http://jtidy.sourceforge.net/^0|7|5|0|0^^$0|@$1|2|3|4|5|6|7|L|8|@]|9|@$A|M|B|N|1|O]]|C|$]]|$1|D|3|-4|5|6|7|P|8|@]|9|@]|C|$]]]|E|$F|$5|G|H|I|C|$J|K]]]]

Use <a href="http://jtidy.sourceforge.net/" rel="nofollow noreferrer">JTidy</a> to tidy it before parsing, or better yet use it as the parser

blocks|key|669070|text|我不知道“网站喜欢”是什么意思，但MercuryNews.com和大多数新闻网站都有RSS+interface。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|669071|entityMap|0|LINK|mutability|MUTABLE|url|http://www.mercurynews.com/rss^0|16|D|0|0^^$0|@$1|2|3|4|5|6|7|L|8|@]|9|@$A|M|B|N|1|O]]|C|$]]|$1|D|3|-4|5|6|7|P|8|@]|9|@]|C|$]]]|E|$F|$5|G|H|I|C|$J|K]]]]

I don't know what "sites like" means, but MercuryNews.com and most news sites have an <a href="http://www.mercurynews.com/rss" rel="nofollow noreferrer">RSS interface</a>.

blocks|key|935382|text|我尝试过jsoup+-+http://jsoup.org+-。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|935383|它是一个开放源码的Java库，用于实际的HTML解析和DOM操作，具有类似jquery的方法。|935384|entityMap|0|LINK|mutability|MUTABLE|url|http://jsoup.org/^0|C|G|0|0|0^^$0|@$1|2|3|4|5|6|7|N|8|@]|9|@$A|O|B|P|1|Q]]|C|$]]|$1|D|3|E|5|6|7|R|8|@]|9|@]|C|$]]|$1|F|3|-4|5|6|7|S|8|@]|9|@]|C|$]]]|G|$H|$5|I|J|K|C|$L|M]]]]

I have tried jsoup - <a href="http://jsoup.org" rel="nofollow">http://jsoup.org</a> -.

It is an open source Java library for real-world HTML parsing and DOM manipulation, with jquery-like methods.

I am using NekoHtml. It failed parsing html from sites like mercurynews.com into DOM. Any solution to the problem?

How to handle/parse ill-formed html into DOM in java?

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我正在使用NekoHtml。它无法将html从像mercurynews.com这样的站点解析成DOM。有没有解决这个问题的办法？

问如何在java中处理/解析格式错误的html为DOM？
EN

回答 7

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何在java中处理/解析格式错误的html为DOM？EN

回答 7

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何在java中处理/解析格式错误的html为DOM？
EN