解析格式错误的 HTML 内容

【问题标题】：Parse malformed HTML content解析格式错误的 HTML 内容
【发布时间】：2012-12-16 06:16:21
【问题描述】：

我知道，格式错误的 XML 内容是无效的，您不应该使用它 - 但我没有其他机会。我想解析服务的网站，但缺少结束标记。我正在使用 Android 的 XMLPullParser，我得到了这个异常：

XmlPullParserException: expected: /div read: a (position:END_TAG </a>@40:104)

问题出在这部分：

<div id="header_right">
<img src="/templates/stw_green_wide/images/header.png" width="800px" height="92px" alt="" /></a>
</div>

如果没有必要，我不想使用第三方库。

问候和新年快乐！

【问题讨论】：

标签： android xml-parsing sax

【解决方案1】：

尝试在解析器上设置“RELAXED FEATURE”。会比较宽容。请参阅文档：

http://developer.android.com/reference/android/util/Xml.html#FEATURE_RELAXED

但是...我还注意到您尝试使用 XML 解析器解析 HTML。您会遇到问题，因为 HTML 不是 XML，而且许多网站不使用 xhtml。如果您改用 HTML 解析器，您会少很多麻烦。我没有使用过这个，但我听说它在 Android 上运行得很好。我敢肯定还有其他的，你可以用一点谷歌学找到。但我强烈建议您使用 HTML 解析器来解析 HTML :)

http://jsoup.org/

【讨论】：