Html 如何向JTidy添加新标记？_Html_Parsing_Jtidy

Html 如何向JTidy添加新标记？

html parsing

Html 如何向JTidy添加新标记？,html,parsing,jtidy,Html,Parsing,Jtidy,我试图使用jTidy从（真实世界的）HTML中提取数据，但jTidy不解析自定义标记 <html> <body> <myCustomTag>some text</myCustomTag> <anotherCustom>more text</anotherCustom> </body> </html> 一些文本更多文本我无法在自定义标记之间获取文本。我必须使用jTidy

我试图使用jTidy从（真实世界的）HTML中提取数据，但jTidy不解析自定义标记

<html>
  <body>
    <myCustomTag>some text</myCustomTag>
    <anotherCustom>more text</anotherCustom>
  </body>
</html>


一些文本
更多文本

我无法在自定义标记之间获取文本。我必须使用jTidy，因为我将使用xpath

我尝试了HTMLCleaner，但它不支持完整的xpath函数。

请检查

创建一个文件，我将其命名为jTidyTags并调用：

Tidy tidy = new Tidy();
tidy.setConfigurationFromFile("jTidyTags");

之后，它会发出警告说它不符合W3C，但谁在乎呢。这将允许您解析该文件

jTidyTags的一个例子是：

new-blocklevel-tags: myCustomTag anotherCustom

希望这有帮助

您还可以使用Java属性对象设置属性，例如：

import java.util.Properties;
Properties oProps = new Properties();
oProps.setProperty("new-blocklevel-tags", "header hgroup article footer nav");

Tidy tidy = new Tidy();
tidy.setConfigurationFromProps(oProps);

这将节省您创建和加载配置文件的时间。

你好，Ethan，thx回答。我尝试的第一件事是“新建块级标记”，但它不起作用。您是否尝试添加其他“新建-”标记？我现在没有我的密码。当我开始工作时，我会查看它。下面是我在代码中使用的确切行：新区块级别标签：条形码框行请参见