基本上，我目前有一个 iPhone 应用程序，可以在我的服务器上查询和解析 XML 文件。现在，我目前必须每天早上手动更新和上传我的 XML 文件，这样我的用户才能获得更新的信息。我想自动化这个过程，这基本上需要解析各种网站（NYTimes、iAmBored.com 等），将每个网站的相关信息输出到 XML 文件，然后将该文件上传到我的服务器。
有谁知道完成此任务的最佳方法（将 HTML 解析为 XML 文件）。由于我是初学者，我不确定这需要什么语言或最好的方法是什么？
提前非常感谢！
【问题讨论】：
标签： iphone xml html-parsing
您可以尝试translate HTML to XHTML（XHTML 是基于 XML 的，所以它是在 DTD 中定义了一些规则的 XML）。
你也可以试试to parse directly HTML with a SGML parser（XHTML是基于XML的，HTML是基于SGML的）。
这些链接是作为灵感提供的。
【讨论】：
如果您需要抓取的内容是 XHTML，那么您可以轻松地使用 XSLT 语言将原始内容转换为您提供给用户的 XML 中所需的内容。
否则任何类型的抓取和生成 XML 的解决方案都可以，每种编程语言都支持执行此类操作.. 但是您可以使用 XPath 从页面中选择您需要的元素，然后将它们保存在输出文件中.
【讨论】：
您能从 RSS/Atom 提要中获得您需要的信息吗？这将大大简化事情，因为它们是 XML 而不是 HTML，并且可以由标准 XML 解析器解析。当然，嵌入在 RSS 提要中的描述将是 HTML，因此根据您的应用程序，那个可能是您需要解析 HTML 的时候。
XSLT 是一种专为处理 XML 而设计的特定领域的编程语言，但您也可以使用任何包含用于任务的 XML 解析器的编程语言。
【讨论】：
...用 Java 编写的符合 SAX 的解析器 那，而不是解析格式良好的 或有效的 XML，按原样解析 HTML 在野外发现：贫穷、肮脏和 野蛮的，虽然经常远离 短。
TagSoup 是为人们设计的 谁必须使用 某种理性的表象 应用程序设计。
通过提供 SAX 接口，它允许标准 XML 适用于最坏情况的工具 HTML。 TagSoup 还包括一个 读取 HTML 的命令行处理器 文件，并且可以生成干净的 HTML 或格式良好的 XML 非常接近 XHTML。
【讨论】：