Java xpath解析无法正确解析

我编写了一个使用xpath解析html页面的小代码。我的问题是，该代码适用于某些页面，而不适用于其他页面。你能告诉我是什么导致了这样的问题吗？我做了一些调试，我的第一个猜测是我没有正确使用Html cleaner

public static void main(String args[]) throws Exception {

        javax.xml.xpath.XPath xpath = XPathFactory.newInstance().newXPath();

        try {
            NodeList nodes = (NodeList) xpath.evaluate("html/body/div[3]/div/div[2]/div[1]/div[1]/div/h1", readDocument(),
                    XPathConstants.NODESET);

            for (int i = 0; i < nodes.getLength(); i++) {
                System.out.println(nodes.item(i).getTextContent());
            }
        } catch (XPathExpressionException e) {
            e.printStackTrace();
        }

        System.out.println("");
    }
    private static Document readDocument() throws IOException {
        java.net.URL url = new java.net.URL(
                "http://en-maktoob.news.yahoo.com/medical-team-asks-obese-saudi-wait-death-home-072857829.html");
        java.net.URLConnection conn = url.openConnection();
        conn.addRequestProperty("User-Agent",
                "Mozilla/6.0 (Windows NT 6.2; WOW64; rv:16.0.1) Gecko/20121011 Firefox/16.0.1");

        BufferedReader reader = new BufferedReader(new InputStreamReader(
                conn.getInputStream(), "UTF-8"));
        CleanerProperties props = new CleanerProperties();
        props.setTranslateSpecialEntities(true);
        props.setTransResCharsToNCR(true);
        props.setOmitComments(true);

        TagNode tagNode = new HtmlCleaner(props).clean(reader);
        Document doc = null;
        try {
            doc = new DomSerializer(new CleanerProperties()).createDOM(tagNode);
            return doc;
        } catch (ParserConfigurationException e) {
            e.printStackTrace();
        } catch (Exception e) {
            e.printStackTrace();
        }

        return null;
    }

publicstaticvoidmain（字符串args[]）引发异常{
javax.xml.xpath.xpath xpath=XPathFactory.newInstance（）.newXPath（）；
试一试{
NodeList nodes=（NodeList）xpath.evaluate（“html/body/div[3]/div/div[2]/div[1]/div[1]/div/h1”，readDocument（），
XPathConstants.NODESET）；
对于（int i=0；i

这段代码应该提取xpath模式中的文本并简单地打印出来。但在所需的示例中，它不起作用

---

解决方案：我发现这个问题是因为我使用了绝对xpath，可能这次使用的是xpath，在浏览器中编译html页面后可以更改。使用相对xpath解决了主要问题，但我无法使用相对xpath访问html的某些部分，我需要使用绝对xpath。因此，我的问题是如何在java代码中使用html的编译版本？

如果XPath不工作，这意味着在文档中找不到选择器。当你在浏览器中浏览一篇文章时，有时事情并不总是像看上去的那样。请记住，当您在浏览器中查看它时，JavaScript正在执行，很多时候这意味着重新排列或向DOM添加元素

您的XPath查询有点特定，您可能会幸运地使其更轻松一些，因此如果缺少一个

标记，它不会破坏整个查询。特别是在HTML中使用XPath时，您应该更多地依赖

id

和

class

属性。我认为您正在尝试获取页面标题，该标题直接位于id为

mediaarticlehead

的元素下

使用此xpath

/*[@id=“mediaarticlehead”]/div/h1

---

然而，当W3C已经用

标记：）解决了这个问题时，所有这些都是为了获得文章标题。在文档的

中查看，您将找到标题、描述以及可能指向文章图像的链接。

能否添加一些关于“不起作用”的详细信息？不提取与xpath模式相关的特定内容。我确信xpath模式是正确的。例如，对于上面提到的示例节点。lenght（）=0，因此它不会打印任何内容！很明显，如果您没有得到任何结果，那么XPath对于您的数据是不正确的。您的XPath看起来很像是使用某种XPath浏览器工具找到的，只是简单地复制了它。当浏览器解析网页时，很可能是Java连接的结构不同。尝试一个更基本的XPath，并显示它是否返回任何结果。XPath是正确的。我使用FirefoxFirebug插件来提取它们。我确实使用了其他工具，发现了相同的xpath。我应该提到，同样的过程也适用于某些网站。如果它是由于xpath，它不应该适用于所有网站！xpath是正确的，但它是绝对xpath，我指出我应该使用相对xpath来处理这种情况。