XPath能否用于解析静态HTML/JSP页面

Question

我需要解析静态JSP/HTML页面，以便在批处理模式下识别标记和标签。

程序将运行并读取给定WAR或文件夹中的视图文件，并对其进行解析。因为它不在运行时，所以DOM将不可用。

所以我需要一些关于可以使用XPath来完成的指导

Answer 1

XPath被设计为仅用于XML文档。

因此，您必须寻找能够将JSP/HTML解析为XML文档的解析器。如果您使用的是JSPX而不是JSP，那么您只需要使用Java的内置JAXP就可以了。

InputStream input = getInputStreamOfJspOrHtml();
Document document = DocumentBuilderFactory.newInstance().newDocumentBuilder().parse(input);
// ...

然而，如果你使用的是遗留的JSP，可能充满了scriptlet，和/或不是格式良好的超文本标记语言(例如，使用<br>而不是<br/>)，那么你最好的选择是使用一个宽松的超文本标记语言解析器，它可以容忍无效的语法，比如JTidy。

InputStream input = getInputStreamOfJspOrHtml();
Document document = new Tidy().parseDOM(input, null);
// ...

无论哪种方式，一旦你有了org.w3c.dom.Document，你就可以像往常一样在上面运行XPath了。