Как изменить содержимое HTML-тега в Java?

Как я могу изменить содержимое HTML тега в Java? Например:

до:

<html>
    <head>
    </head>
    <body>
        <div>text<div>**text**</div>text</div>
    </body>
</html>

после:

<html>
    <head>
    </head>
    <body>
        <div>text<div>**new text**</div>text</div>
    </body>
</html>

Я пробовал JTidy, но он не поддерживает getTextContent, Есть ли другое решение?

Спасибо, я не хочу разбирать правильно сформированный HTML. Я пробовал TagSoup, но когда у меня есть этот код:

<body>
sometext <div>text</div>
</body>

и я хочу изменить "sometext" на "someAnotherText", и когда я использую {bodyNode}.getTextContent() это дает мне: "некоторый текстовый текст"; когда я использую setTextContet("someAnotherText"+{bodyNode}.getTextContent())и сериализовать эти структуры, результат <body>someAnotherText sometext text</body>без <div> теги. Это проблема для меня.

Источник

4 ответа

Если вы абсолютно не уверены, что HTML будет корректным и правильно сформированным, я настоятельно рекомендую использовать анализатор HTML, что-то вроде TagSoup, Jericho, NekoHTML, HTML Parser и т. Д., Причем первые два из них особенно эффективны для анализа любого типа. дерьмо:)

Например, с помощью HTML Parser (поскольку реализация очень проста), используя посетителя, предоставьте свой собственный NodeVisitor:

public class MyNodeVisitor extends NodeVisitor {
    public MyNodeVisitor() {
    }

    public void visitStringNode (Text string)
    {
        if (string.getText().equals("**text**")) {
            string.setText("**new text**");
        }
    }
}

Затем создайте Parser, разобрать строку HTML и посетить возвращенный список узлов:

Parser parser = new Parser(htmlString);
NodeList nl = parser.parse(null);
nl.visitAllNodesWith(new MyNodeVisitor());
System.out.println(nl.toHtml());

Это всего лишь один из способов реализовать это, довольно просто.

Источник

При условии, что ваш HTML является правильно сформированным XML (если это не так, вы можете использовать JTidy, чтобы привести его в порядок), вы можете проанализировать его с помощью анализатора DOM или SAX. DOM, вероятно, проще, если ваш документ не очень большой.

Нечто подобное поможет, если ваш текст - единственный дочерний элемент узла с id="id":

Document d = DocumentBuilderFactory.newInstance().newDocumentBuilder().parse(file);
Element e = d.getElementById("id");
Node text = e.getFirstChild();
text.setNodeValue(process(text.getNodeValue());

Вы можете сохранить d впоследствии в файл.

Источник

Здесь есть несколько парсеров Java HTML с открытым исходным кодом.

Я не уверен, что чаще всего используется, но этот (просто называемый HTML-парсер), вероятно, будет делать то, что вы хотите. У него есть функции, чтобы изменить ваше дерево и записать его обратно.

Источник

Как правило, у вас есть HTML-документ, из которого вы хотите извлечь данные. Вы вообще знаете структуру документа HTML.

Существует несколько библиотек синтаксических анализаторов, но лучшая из них - Jsoup. Вы можете использовать методы DOM для навигации по документу и обновления значений. В вашем случае вам нужно прочитать файл и использовать методы установки атрибутов.

Пример файла XHTML:

<?xml version="1.0" encoding="UTF-8"?>
<!--
To change this license header, choose License Headers in Project Properties.
To change this template file, choose Tools | Templates
and open the template in the editor.
-->
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml">
    <head>
        <title>Example</title>
    </head>
    <body>
        <p id="content">Hello World</p>

    </body>
</html>

Java-код:

     File input = new File("D:\\Projects\\Odata Project\\Odata\\src\\web\\html\\inscription_template.xhtml");
            org.jsoup.nodes.Document doc = Jsoup.parse(input,null);
            org.jsoup.nodes.Element content = doc.getElementById("content");
            System.out.println(content.text("Hi How are you ?"));
            System.out.println(content.text());
            System.out.println(doc);

Вывод после исполнения:

<p id="content">Hi How are you ?</p>
Hi How are you ?
<!--?xml version="1.0" encoding="UTF-8"?-->
<!--
To change this license header, choose License Headers in Project Properties.
To change this template file, choose Tools | Templates
and open the template in the editor.
--><!doctype html>
<html xmlns="http://www.w3.org/1999/xhtml">
 <head> 
  <title>Example</title> 
 </head> 
 <body> 
  <p id="content">Hi How are you ?</p>   
 </body>
</html>
Источник
Другие вопросы по тегам