在 Java 中使用 XPath 查询 HTML 页面答案

【问题标题】：Querying an HTML page with XPath in Java在 Java 中使用 XPath 查询 HTML 页面
【发布时间】：2011-03-22 02:57:17
【问题描述】：

谁能告诉我一个 Java 库，它允许我在 html 页面上执行 XPath 查询？

我尝试使用 JAXP，但它一直给我一个我似乎无法修复的奇怪错误（线程“main”java.io.IOException：服务器返回 HTTP 响应代码：503 for URL：http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd）。

非常感谢。

编辑

我发现了这个：

// Create a new SAX Parser factory
SAXParserFactory factory = SAXParserFactory.newInstance();

// Turn on validation
factory.setValidating(true);

// Create a validating SAX parser instance
SAXParser parser = factory.newSAXParser();

// Create a new DOM Document Builder factory
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();

// Turn on validation
factory.setValidating(true);

// Create a validating DOM parser
DocumentBuilder builder = factory.newDocumentBuilder();

来自http://www.ibm.com/developerworks/xml/library/x-jaxpval.html 但是将参数设置为 false 并没有改变任何东西。

【问题讨论】：

几个相关问题 - 见stackoverflow.com/questions/9766776/…stackoverflow.com/questions/3361263/…stackoverflow.com/questions/9022140/…

标签： java html jaxp xpath

【解决方案1】：

看看这个：

http://www.w3.org/2005/06/blog/systeam/2008/02/08/w3c_s_excessive_dtd_traffic

可能您将解析器设置为执行 DOM 验证，并且它正在尝试检索 DTD。 JAXP 应该有一种方法可以禁用 DTD 验证，只需针对假定有效的文档运行 XPATH。我已经很多年没有使用 JAXP，所以很抱歉我不能提供更多帮助。

【讨论】：

【解决方案2】：

将解析器设置为“非验证”只会关闭验证；它确实不禁止获取DTD。获取 DTD 不仅用于验证，还用于实体扩展……据我所知。

如果你想禁止获取 DTD，你需要注册一个正确的 EntityResolver 到 DocumentBuilderFactory 或 DocumentBuilder。实现EntityResolver 的resolveEntity 方法总是返回一个空字符串。

【讨论】：