代码之家  ›  专栏  ›  技术社区  ›  cwj

pythonxml.dom和坏xml

  •  0
  • cwj  · 技术社区  · 17 年前

    有没有一种好方法可以让python的xml.dom尝试更正错误或类似的错误?或者,是否有更好的方法从可能包含错误的HTML页面提取数据?

    4 回复  |  直到 14 年前
        1
  •  3
  •   Boldewyn    17 年前

    你可以用 HTML Tidy 清理,或 Beautiful Soup

    干杯

        2
  •  0
  •   Anurag Uniyal    17 年前

    HTML5lib http://code.google.com/p/html5lib/ )在BeautifulSoup出现故障的许多情况下,该功能都能正常工作

    元素汤 " ( http://effbot.org/zone/element-soup.htm

        3
  •  0
  •   Luper Rouch François Lagunas    17 年前

    lxml 在解析无效HTML方面做得不错。

    Beautiful Soup 和 html5lib 有时,根据输入,性能会更好。使用lxml,您可以选择使用哪个解析器,并通过统一的API访问它们。

        4
  •  0
  •   Peter Peter    17 年前

     private Document getRoutePage(HashMap params) throws Exception {
            String uri = "http://journeyplanner.tfl.gov.uk/bcl/XSLT_TRIP_REQUEST2";
            HttpWrapper hw = new HttpWrapper();
            String page = hw.urlEncPost(uri, params);
            SAXBuilder builder = new SAXBuilder("org.ccil.cowan.tagsoup.Parser");
            Reader pageReader = new StringReader(page);
            return builder.build(pageReader);
        }