使用 Java HTML 解析器检索框架源代码？

【问题标题】：Retrieving frame source code with a Java HTML Parser?使用 Java HTML 解析器检索框架源代码？
【发布时间】：2012-04-12 09:15:22
【问题描述】：

我查看了一些 Java HtmlParser（Jericho、HtmlCLeaner、...），但找不到在检索页面时将 html 框架标记替换为实际源代码的功能。

有没有人知道有什么解析器可以做到这一点？

答案：

像 Phani 表示我需要一个 Html Scraper（不是解析器，更清洁）

【问题讨论】：

【解决方案1】：

从您的用例来看，您需要刮板而不是清洁器。

清洁剂 - 通常很脏、形状不正确且不适合进一步处理。对于此类文档的任何严重消费，首先需要清理混乱，并为标签、属性和普通文本排序。

Scraper - 以编程方式阅读页面并编辑 html 页面。

【讨论】：

Html Scraper 是我所需要的，我将更多地使用 HtmlUnit，因为它们为框架提供了更多记录的案例：htmlunit.sourceforge.net/frame-howto.html