【问题标题】：When parsing HTML, random characters are added to the string?解析HTML时，随机字符被添加到字符串中？
【发布时间】：2011-11-26 13:42:09
【问题描述】：

我正在解析 HTML 页面的表格，但是当我显示数据时，添加了随机字符，如下例所示：

Preowiveding 但应该是Preding。

我不知道这是否是防止人们解析数据的安全功能。
这很奇怪，因为有时文本显示正确，而另一个文本显示错误......

我从中获取数据的页面是this 这里的一个。表格的 HTML 代码看起来有点奇怪：

<a target='_blank' href='#' class='draggableVerein' >&#76;<span style='display:none;'>&#105;<span style='display:none;'>&#115;&#105;&#118;&#98;&#97;</span><u></u>&#118;&#98;&#97;&#111;</span><u></u>&#105;&#101;&#98;&#101;&#110;&#97;&#117;</a>

在文本之间有span 和u 标记，它们在浏览器中似乎什么都不做，但在解析时会产生此错误。

我使用 Ben Reeves HTML Parser。示例：

HTMLNode *node = [rowNode findChildWithAttribute:@"class" matchingName:@"rang" allowPartial:TRUE];
team.rang = [node allContents];

编辑：

现在我用 HPPLE 尝试了 libXML2：

NSArray *elements  = [xpathParser searchWithXPathQuery:@"//table[2]/tr[5]/td/a"];
// Access the first cell
TFHppleElement *element = [elements objectAtIndex:0];

NSString *content = [element content];  
NSLog(@"content: %@",content);

输出是ersdorf而不是Eggersdorf。本示例的 HTML：

<a target='_blank' href='/datenservice/portal/verein/aktuelles.ds?vereinsNr=8070&sektionsId=485215725|665233118344931246&awVerband=ST_' class='draggableVerein' drag_img='/netzwerk/imagedownload/379402779304830775_383470150383145150-60-60-EfcSAtkX.jpg'>&#69;&#103;&#103;&#101;&#114;&#115;&#100;&#111;&#114;&#102;</a>

这是一个非常奇怪的代码。
有什么建议吗？

【问题讨论】：

您是否尝试过使用libxml2，如果问题仍然存在？

标签： objective-c html-parsing

【解决方案1】：

这里似乎发生了两件事。

它使用 HTML 字符实体来指定常用字符（即 &#76; 而不是 L）。这可能是一种混淆的尝试。
它使用<span style='display:none'>...</span> 告诉浏览器不要显示某些文本。这可能是试图在文本中引入看不见的垃圾。浏览器不会显示它，但 HTML 解析器仍会输出该文本。

如果您想丢弃垃圾文本，您的代码必须处理 <span> 和 </span> 标签并自动丢弃样式设置为 display:none 的任何文本。

【讨论】：

【解决方案2】：

编辑：我的最后一个建议很愚蠢。

您可以在此处使用 stringByUnescapingHTML 方法：http://code.google.com/p/statz/source/browse/trunk/NSString%2BHTML.m 对其进行解码。工作代码：

NSString *myStr = [[NSString alloc] initWithString:@"&#69;&#103;&#103;&#101;&#114;&#115;&#100;&#111;&#114;&#102;"];
NSArray* components = [myStr componentsSeparatedByString:@";"];
myStr = @"";
int value;
for (NSString *comp in components){
    unsigned length = [comp length];
    if (length != 0) {
    NSString *numberSequence = [comp substringWithRange:NSMakeRange(2, length - 2)];
    NSScanner *scanner = [NSScanner scannerWithString:numberSequence];
    if ([scanner scanInt: &value] && 
        value < USHRT_MAX &&
        value > 0){
        unichar uchar = value;
        NSString *charString = [NSString stringWithCharacters:&uchar length:1];
        [myStr stringByAppendingString:charString];
    }
    }
}

【讨论】：