使用javax.xml.parsers.DocumentBuilder分析网页时发生致命错误
我正在写一个解析网页的程序（一个我无法访问的网页，所以我无法修改它） 首先，我连接并使用getContent（）获取页面的InputStream。那里没有问题 但在解析时：使用javax.xml.parsers.DocumentBuilder分析网页时发生致命错误,java,html,html-parsing,sax,saxparser,Java,Html,Html Parsing,Sax,Saxparser,我正在写一个解析网页的程序（一个我无法访问的网页，所以我无法修改它） 首先，我连接并使用getContent（）获取页面的InputStream。那里没有问题 但在解析时： public static int[] parseMoveGameList(InputStream is) throws ParserConfigurationException, IOException, SAXException { DocumentBuilderFactory dbf = Doc
public static int[] parseMoveGameList(InputStream is) throws ParserConfigurationException, IOException, SAXException {
DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
DocumentBuilder builder = dbf.newDocumentBuilder();
Document doc = builder.parse(is);
/*...*/
}
org.xml.sax.SAXParseException; lineNumber: 3; columnNumber: 64; The system identifier must begin with either a single or double quote character.
at com.sun.org.apache.xerces.internal.parsers.DOMParser.parse(DOMParser.java:253)
at com.sun.org.apache.xerces.internal.jaxp.DocumentBuilderImpl.parse(DocumentBuilderImpl.java:288)
at javax.xml.parsers.DocumentBuilder.parse(DocumentBuilder.java:121)
at cs.ualberta.lgadapter.LGAdapter.parseMoveGameList(LGAdapter.java:78)
...
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" >
<html>
<head>
<META http-equiv="Expires" content="0" />
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8"/>
<!-- ... -->
</head>
<body>
<!-- ... -->
</body>
</html>
如何通过此异常？Html不是有效的xml。使用xml解析器解析html可能会导致很多错误（正如您已经发现的） html失败的原因是您的Doctype声明：
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" >
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "FALLBACK PATH TO DTD" >
您应该改用HTML解析库。我不知道我脑子里有什么想法，但这篇（较旧的）帖子似乎列出了一些。搜索谷歌也会带来我认为使用XML解析器解析HTML不是一个好主意。