使用Scala导航HTML

我想用Scala打开一个html源代码，然后导航。我是Scala新手，所以我的问题是什么是用于导航的最佳类。哪里有像getFirstChild这样的方法

//get html
val html = Source.fromURL("https://www.google.com")
// now what?

---

HTML文档是xml文档，因此您可以使用scala功能来处理xml。这篇文章对scala的XML处理功能进行了基本概述。当然，有很多java/scala库简化了标准scala机制。

好吧，scala不直接支持HTML（尽管它内置了对XML的支持）。例如：

scala> import scala.io.Source
scala> import scala.xml.XML
scala> val html = Source.fromURL("https://www.google.com")
scala> XML.loadString(html.toString)
org.xml.sax.SAXParseException; lineNumber: 1; columnNumber: 1; Content is not allowed in prolog.
    at com.sun.org.apache.xerces.internal.util.ErrorHandlerWrapper.createSAXParseException(ErrorHandlerWrapper.java:198)

这是因为并非所有HTML文档都是格式良好的XML文档。为了克服这个问题，您可以使用Java中的任何HTML处理库。检查此处的示例：

---

值得注意的是，一个有效的HTML文档并不总是一个有效的XML文档（除非它是XHTML）——更不用说现实世界中的HTML页面往往一开始就不是有效的HTML。一种解决方案是通过一个更干净的库传递HTML，该库将尝试更正任何无效的XML—使用一个名为HTMLCleaner的Java库。