使用真实HTML进行Scala XML解析（带有不匹配的标记）

我的应用程序正在尝试将html文档嵌入到XML文档中

val xml = 
  <document>
    <id> { getId } </id>
    <content> 
      { getContent }
    </content>
  </document>

val xml=
{getId}
{getContent}

getId是一个返回新序列号的简单函数。 问题是关于getContent：

def getContent = {
  val wrapped = "<wrap>"+article.content+"</wrap>"
  XML.loadString(wrapped).child
}

def getContent={
val wrapped=”“+文章内容+“”
loadString（wrapped）.child
}

如您所见，article.content返回一个存储真实HTML文档的字符串。 Scala.xml.xml.loadString函数将把它解析为xml，并返回一个子元素列表，并正确地嵌入到xml val中

但是，当只有html有效时，例如，

Hello world

在一些文章中，它可能会出现：

helloworld

缺少

元素的结束标记。（是的，我不能责怪用户！）

在这种情况下，它将在此解析中引发异常并停止应用程序

有没有什么方法可以绕过验证，或者干脆将HTML作为字符串嵌入XML文档中而不进行解析

请解释一下这种情况。欢迎任何建议。

JSoup和TagSoup（以及其他）都适用于传递格式不好的XML的HTML

---

您必须决定哪个最适合您自己的用例。

您应该使用

html

解析器，而不是

xml

解析器。我更喜欢。您可以将html字符串解析为

scala

xml

如下：

new scala.xml.parsing.NoBindingFactoryAdapter（）.loadXML（源代码，new org.ccil.cowan.tagsoup.jaxp.saxfactorympl（）.newSAXParser（））

对于tagsoup，下面的链接可供参考。