Java 我需要解析格式不正确的xml数据（HTML）

我在JAVA中有一些格式不正确的xml（HTML）数据，我使用了JAXP Dom，但它会抱怨

问题是：有没有办法 使用JAXP解析此类文档

我有一个包含以下数据的文件：

<employee>
 <name value="ahmed" > <!-- note, this element is not closed, So it is not well-formed xml-->
</employee>

---

不太可能。JAXP需要格式良好的标记。你考虑过这个问题吗？我们在店里做得很成功

---

编辑：我看到您也想要解析XML。嗯。。。。Cyberneko对HTML很有效，但我不知道其他的。它有一个标记平衡器，可以关闭一些标记，但我不知道您是否可以训练它识别非HTML的标记。

您可以先尝试通过jtidy API运行文档，该API能够将HTML转换为有效的xhtml：

你可以用。我已经成功地使用了它。它与JavaXMLAPI完全兼容，包括SAX、DOM、XSLT和StAX。例如，下面是我如何使用它将XSLT转换应用于特别差的HTML：

public static void transform(InputStream style, InputStream data)
        throws SAXException, TransformerException {
    XMLReader reader =
        XMLReaderFactory.createXMLReader("org.ccil.cowan.tagsoup.Parser");
    Source input = new SAXSource(reader, new InputSource(data));
    Source xsl = new StreamSource(style);
    Transformer transformer =
        TransformerFactory.newInstance().newTransformer(xsl);
    transformer.transform(input, new StreamResult(System.out));
}

---

它允许修改文档吗？它是一个解析器，因此您必须使用DOM HTML解析器解析文档，然后在生成的DOM树中修改文档。您可以启用一些设置来帮助您获得一个好的结果树，这些设置记录在

public static void transform(InputStream style, InputStream data)
        throws SAXException, TransformerException {
    XMLReader reader =
        XMLReaderFactory.createXMLReader("org.ccil.cowan.tagsoup.Parser");
    Source input = new SAXSource(reader, new InputSource(data));
    Source xsl = new StreamSource(style);
    Transformer transformer =
        TransformerFactory.newInstance().newTransformer(xsl);
    transformer.transform(input, new StreamResult(System.out));
}