Android XPath HTML解析，比如TFHpple（我有一个10行的Obj-C实现，可以'；t翻译）

2天前，我编写了这个objective-c代码，从一个完全按照预期工作的网站中提取文本。现在我不知道如何在Android上实现这一点。Android真的很奇怪

• 每个人发布的某些XPath代码与HTML文件不兼容（只接受标准XML）
• JSoup（可以处理HTML）不能转换成Xpath
• 总而言之，我现在正在绕圈子

基本上，我需要的是从特定URL的html文件中获取

//h2/a

周围的元素请看一看我写的obj-c实现，它实际上有10行工作代码，但我想不出在Android中实现同样的功能的方法。

-(void)loadTutorials:(NSString*)startURLS {

NSURL *tutorialsUrl = [NSURL URLWithString:startURLS];
NSData *tutorialsHtmlData = [NSData dataWithContentsOfURL:tutorialsUrl];
TFHpple *tutorialsParser = [TFHpple hppleWithHTMLData:tutorialsHtmlData];

NSString *tutorialsXpathQueryString = @"//h2/a";
NSArray *tutorialsNodes = [tutorialsParser searchWithXPathQuery:tutorialsXpathQueryString];

NSString *podcastTitles[99];

int jjj=0;
for (NSString *string in tutorialsNodes) {
    podcastTitles[jjj]=[[[tutorialsNodes[jjj] firstChild] content] stringByTrimmingCharactersInSet:[NSCharacterSet whitespaceAndNewlineCharacterSet]];

    NSLog(@"%@",podcastTitles[jjj]); //WORKING PERFECTLY FINE
    jjj++;
    }
}

---

让它工作起来，关键是坚持使用XPathFactory，但为它提供一个

HTMLCleaner

清理过的HTML。不幸的是，我找不到让我走上正轨的答案，所以今天没有学分，但希望我能再次偶然发现它

Idk这些行中有多少行是必需的，我永远不会清理这些代码，但这个块现在对我有用

HtmlCleaner cleaner = new HtmlCleaner();
                CleanerProperties props = cleaner.getProperties();
                props.setAllowHtmlInsideAttributes(true);
                props.setAllowMultiWordAttributes(true);
                props.setRecognizeUnicodeChars(true);
                props.setOmitComments(true);


                TagNode tagNode = new HtmlCleaner().clean(
                        websiteContent);
                org.w3c.dom.Document doc = new DomSerializer(
                        new CleanerProperties()).createDOM(tagNode);

                XPath xpath = XPathFactory.newInstance().newXPath();
                NodeList titleNodes = (NodeList) xpath.evaluate("//h2/a",
                        doc, XPathConstants.NODESET);
                System.out.println("iii"+titleNodes);

                for(int i=0; i<titleNodes.getLength();i++){
                    System.out.println("t t t"+titleNodes.item(i).getTextContent()); //WORKING
                }

HtmlCleaner cleaner=新的HtmlCleaner（）；
CleanerProperties props=cleaner.getProperties（）；
props.setAllowtmlinsideAttributes（true）；
props.setAllowMultiWordAttributes（true）；
道具。设置识别Unicodechars（真）；
props.setomit注释（true）；
TagNode TagNode=new HtmlCleaner（）.clean(
网站内容）；
org.w3c.dom.Document doc=新的DomSerializer(
新的CleanerProperties（））.createDOM（tagNode）；
XPath=XPathFactory.newInstance（）.newXPath（）；
NodeList titleNodes=（NodeList）xpath.evaluate（“//h2/a”，
doc，XPathConstants.NODESET）；
系统输出打印项次（“iii”+标题节点）；
对于（int i=0；i