从 xml 中提取 HTML答案

【问题标题】：Extract HTML from xml从 xml 中提取 HTML
【发布时间】：2019-12-12 09:00:54
【问题描述】：

我想从 xml 文件中提取 html 页面。请问有什么想法吗？

 <?xml ....>
      <first>
      </first>

         <second>
         </second>
      <xhtml>
          <html>
              .....some html code here
          </html>
      </xhtml>

我想从上面提取html页面。

【问题讨论】：

可能会有所帮助：stackoverflow.com/questions/4980786/…
我在 Java 中需要这个。我需要在服务器端使用它。
您是否尝试过简单地使用 XML 解析器解析它，然后获取节点值？
您不能这样做，因为不能保证 HTML 是格式正确的 XML。但是，如果您的 XML 文件包含 XHTML 片段，则可以这样做。
是的……它的 html 在 xhtml 标签下。更新我的问题。

标签： java html xml

【解决方案1】：

因为 xml 和 html 标记相似，所以任何 xml 解析器都可能存在问题。我建议当您将 html 数据保存在 xml 文件中时，对其进行编码以防止 xml 解析器出现问题。然后当你从 xml 中调用数据时，你只需要对其进行解码以供使用。

<?xml ....?
<first></first>
<second></second>
<markup>
    &lt;html&gt;
        code here
    &lt;/html&gt;
</markup>

当你解码标记部分时，它看起来像这样

<html>
    code here
</html>

【讨论】：

我没有生成这个 xml...它是来自 web 服务的响应。所以无法控制我得到什么。
啊，好吧，那就不好玩了。我对 java 并不出色（甚至不擅长它），所以在这方面我帮不上什么忙。不过祝你好运。

【解决方案2】：

你可能会发现这个有点用处：

http://www.w3schools.com/xml/xml_parser.asp

您可以使用 JavaScript 从 XML 中提取 HTML。然后，您可以使用 JavaScript 在 HTML 页面上创建一个元素并将 HTML 转储到其中。唯一的问题是您收到的 XML 数据似乎带有 HTML 标记。

如果要将内容添加到现有页面，则必须去除 html 和 body 标签。

【讨论】：

【解决方案3】：

如果你使用 python，提取可以很容易。

from simplified_scrapy.simplified_doc import SimplifiedDoc 
html='''
 <?xml >
    <first>
    </first>
        <second>
        </second>
    <xhtml>
        <html>
            .....some html code here
        </html>
    </xhtml>
'''
doc = SimplifiedDoc(html)
html = doc.xhtml.html
print (html)

首先你需要使用 pip 安装 simple_scrapy。

pip install simplified_scrapy

【讨论】：