使用 Java 解析 HTML“样式”属性答案

【问题标题】：Parse HTML "style" attribute using Java使用 Java 解析 HTML“样式”属性
【发布时间】：2011-05-14 11:18:45
【问题描述】：

我已将 HTML 代码解析为 org.w3c.dom.Document。我需要检查所有标签 style 属性，解析它们，更改一些 CSS 属性并将修改后的样式定义放回属性。

是否有任何标准方法来解析style 属性？如何使用 org.w3c.dom.css 包中的类和接口？

我需要一个 Java 解决方案。

【问题讨论】：

+1 表示不建议使用正则表达式。这是 10 个新手中有 9 个首先要求的，而且众所周知，这是不可能做到的。

标签： java html parsing coding-style

【解决方案1】：

如果您想要一种没有任何依赖关系的方法来执行此操作，您可以使用 javax.swing.text.html 包类来帮助您完成大部分工作：

import javax.swing.text.html.*;

StyleSheet styleSheet = new StyleSheet()
AttributeSet dec = ss.getDeclaration("margin:2px;padding:3px");
Object marginLeft = dec.getAttribute(CSS.Attribute.MARGIN_LEFT);
String marginLeftString = marginLeft.toString(); // "2px"

这会返回一个StyleSheet.CssValue，遗憾的是它不公开。因此需要将其转换为String。此外，它不会处理 em 单位。不过，它对各种风格有点聪明。不理想，但避免了依赖。

【讨论】：

感谢您的解决方案，但我希望看到更通用的东西，支持非标准 CSS 属性（例如 moz_xxx）的东西。换句话说，通用解析器只解析样式，而不是实现它。

【解决方案2】：

首先，我会检查 javax.xml 包中的类。 javax.xml.parsers 包包含两种类型的解析器：SAXParser 和 DocumentBuilder。听起来您希望 DocumentBuilder 创建一个 DOM。您可以手动遍历 DOM（缓慢而痛苦），也可以使用 XPath 标准在 DOM 中查找元素。对此的 Java 支持位于 javax.xml.xpath。

XPathExpression xpath = XPath.compile("//@style");
Object results = xpath.evaluate(dom, XPathConstants.NODESET);

将结果转换为 NodeList 并正确迭代是您的责任，但这是获得您想要的最直接的方法。查看 Java 的 DOM API，了解有关读取和更改值的更多信息。

我不相信 Java 中内置的 CSS 解析器有任何支持，但你可以看看这些项目：

这可能有助于您实现目标。注意：Batik CSS 解析器被合并到更大的 Apache Batik 项目中：http://xmlgraphics.apache.org/batik/index.html，它可能比您需要的更多，但它是一个企业友好的许可证。

【讨论】：

HTML 已经被解析，我也知道如何收集样式属性。现在我必须解析这些样式属性的内容。 IE。将带有 CSS 定义的字符串转换为键值对或类似的集合。
你看过我指给你的 CSS 解析器项目了吗？没有用于解析 CSS 的 javax.* 包。穷人的方法是正则表达式，它适用于 CSS——但这不是你想要的。
感谢图书馆链接。 css.sac 旨在解析 CSS 样式表。 cssparser 根本没有文档，甚至是简单的操作方法。蜡染对我的任务来说似乎太复杂了。

【解决方案3】：

我不确定我是否完全理解您的要求，但基本上，您必须：

阅读样式表并提取 CSS 规则。
阅读 HTML 页面并找到属性。
用新的 CSS 属性替换旧的 CSS 属性。
编写 HTML 页面。

看起来您将使用 CSSStyleSheet 接口从样式表中提取 CSS 规则。

【讨论】：

不，我在字符串中有一个 stye 属性值，我必须根据 CSS 标准将其解析为键值对。