使用 XPATH 的 Xalan 问题（未关闭的标签）答案

【问题标题】：Problems with Xalan using XPATH (unclosed tags)使用 XPATH 的 Xalan 问题（未关闭的标签）
【发布时间】：2011-04-10 22:57:25
【问题描述】：

您好，

我面临以下技术堆栈的问题：JWebUnit -> HtmlUnit -> Xalan。我正在尝试通过 XPATH 查找元素，但 HTML 文档的格式非常错误。

当我到达 XPATH 上的 /body 元素时，Xalan 停止查找元素。我相信这是因为该文档包含两个<body> 标签和一个未关闭的标签。

一切都适用于/html/head 或/html。但是当我尝试/html/body（或/html/body[1]、//body[1]，或这些标签中的任何内容）时，我从Xalan 得到的只是空值。

有没有办法解决这个问题？我只是无法更改 html 文档本身。感谢您的关注。

最好的问候，蒂亚戈

【问题讨论】：

奇怪！如果您可以运行这个/html Xpath 表达式，那么应该也可以运行另一个表达式。
我可以运行/html表达式。任何时候它都会返回我的 HTML 元素。但是当我尝试任何更进一步的 html/body 表达式时，它会丢失自身并返回 null。我相信这是因为文档有两个标签，一个是未关闭的！
您应该无法在格式不正确的树上运行 XPath 查询。

【解决方案1】：

HtmlUnit 必须使用某些东西将 HTML 转换为 XML。也许你可以告诉它使用 jsoup 或 tagsoup，它们对混乱的 HTML 非常宽容？

您也可以编写代码将 XML 树转储到文件中，以便查看其中的内容。

【讨论】：