解析HTML文檔並替換整個標籤片段的最佳方法

Question

我正試圖從上到下找到解析HTML文檔的最佳方法，並用 替換某些不同的標籤組並創建更新的文件。 我更喜歡使用Java，VB.NET或PHP。

有幾個類，如JSoup，傑里科等，這似乎是很好的替換特定的標籤，但我想要做的是取代/重寫整個段。

例如，我可能正在尋找一個表，如。

<table><tr><th>A header</th></tr><tr><td>Some text</td></tr><tr><td>More text</td></tr></table> 

，我想用

<div class="header">A header</div><p>Some text. More text</p> 

但是替換此，要離開這個HTML文件相同的其餘部分。

任何人都這樣做？什麼是最簡單的方法？你能推薦一個好的HTML解析器來使用嗎？

我解析的文檔是XHTML，所以我已經考慮使用java DOM或SAX工具，但是，我發現這些工作非常繁瑣，並且想知道是否有更好的方法來處理它，以及一些現有的類。

非常感謝任何幫助。

Answer 1

是的，你需要一個html解析器來輕鬆正確地解析html。您可以使用

jsoup: Java HTML Parser

jsoup是一個Java庫與現實世界的HTML工作。它爲 提供了一個非常方便的API，用於提取和操作數據，使用DOM的最好的 。

這很簡單，只要這種使用湯解析HTML：

String html = "<table><tr><th>A header</th></tr><tr><td>Some text</td></tr><tr><td>More text</td></tr></table>"; 
Document doc = Jsoup.parse(html);