Tag: html解析

在使用HtlmCleaner的Android上，非英语字符解码不正确

我正在使用HtmlCleaner在Android中搜索ISO-8859-1编码的网站。 我在外部jar文件中实现了这个，我将其导入到我的Android应用程序中。 当我在Eclipse中运行unit testing时，它处理挪威字母（ æ,ø,å ）正确（我可以在调试器中validation），但在Android应用程序中，这些字符看起来像倒置问号。 如果我将调试器附加到我的Android应用程序，我可以看到这些字母在从Eclipse运行unit testing时在完全相同的位置不正确，因此它不是Android应用程序中的显示/渲染/视图问题。 当我从调试器中复制文本时，我得到以下结果： Java Process（unit testing） ：«Blårek»，«Benny» Android进程（在模拟器中） ：«Bl rek»，«Benny» 我希望这些字符串是相同的，但请注意Android中的反转问号如何重放“å”。 我试过运行htmlCleaner.getProperties().setRecognizeUnicodeChars(true)没有任何运气。 另外，我发现无法在html清理器中强制使用UTF-8或ISO-8859-1编码，但我不确定这是否会产生影响。 这是我运行的代码： HtmlCleaner htmlCleaner = new HtmlCleaner(); // connect to url and get root TagNode from HtmlCleaner InputSteram is = new URL( url ).openConnection().getInputStream(); TagNode rootNode = htmlCleaner.clean( is ); // navigate through some TagNodes, getting the […]

如何解析HTML并获得CSS样式

我需要解析HTML并找到相应的CSS样式。 我可以分别解析HTML和CSS，但我无法将它们组合起来。 例如，我有一个像这样的XHTML页面： Hello World 我必须搜索“hello world”并找到它的类名，然后我需要从外部CSS文件中找到它的样式。 使用Java，JavaScript和PHP的答案都可以。

如何从Java中的HTML文件中获取值？

我需要从HTML文件中获取一个值（下面的示例中为“abc”），如下所示： 正如我从其他post中发现的那样，我应该使用其中一个HTML解析器（而不是正则表达式）。 你能告诉我使用哪一个或显示代码示例。 谢谢。

使用jsoup进行奇怪的编码行为

我用jsoup从不同页面的html源代码中提取一些信息。 其中大多数是UTF-8编码的。 其中一个是用ISO-8859-1编码的，这导致了一个奇怪的错误（在我的选择中）。 包含错误的页面是： http ： //www.gudi.ch/armbanduhr-metall-wasserdicht-1280×960-megapixels-p-560.html 我用以下代码读取了所需的String： Document doc = Jsoup.connect(“http://www.gudi.ch/armbanduhr-metall-wasserdicht-1280×960-megapixels-p-560.html”).userAgent(“Mozilla”).get(); String title = doc.getElementsByClass(“products_name”).first().text(); 问题是字符串“HD Armbanduhr aus Metall 4GB Wasserdicht 1280X960 – 5百万像素”中的连字符。 像öäü这样的正常变音符号被正确读取。 只有这个单一字符，没有输出为“＆＃45;” 出现问题。 我试图用out.outputSettings（）。charset（“ISO-8859-1”）覆盖（正确设置）页面编码，但这也没有帮助。 接下来，我尝试使用Charset类更改字符串的编码，并手动更改为utf8和iso-8859-1。 也没有运气。 在使用jsoup解析html文档之后，有人提示我可以尝试获取正确的字符吗？ 谢谢