Java 使用JDom2解析HTML时，引号导致IllegalNameException

大家晚上好

我试图用JDOM2解析Java中的HTML页面，以便从中访问一些信息

我的代码如下所示：（只是为这个代码块添加了包，我的真实源代码中没有这些包）

这适用于所有情况，除了一些特殊情况：当站点在元素中包含引号时。以下是我的意思的一个例子：

因此，在完成这一美妙的标记后，我得到了以下错误跟踪：

SEVERE:org.jdom2.IllegalNameException:名称“literatur”对于JDOM/XML属性不合法：XML名称“literatur”不能包含字符“”。

所以，现在我的问题是：我可以选择什么来处理这个错误？NekoHTML中是否有一个功能可以用于此（使用“setFeature（）”），或者JDOM中的某个功能可以用于此

如果否：是否有其他库适合抓取可以在标签中使用引号的网站

---

谢谢您的时间！

好的，我解决了以下问题：

因为对NekoHTML没有任何依赖性，所以我切换到作为解析器来完成本例中的工作

---

问题已回答。

HTML无效。title属性的值有问题。Henry说了什么。您试图提供给JDOM的DOM无效。在“真实”XML中，它基本上有如下内容：

literatur“=”

，这显然是不对的。它试图告诉JDOM属性的名称（不是值）是

literatur“

好吧，我假设这是不对的，但这就是我刮取它时的站点。没有办法改变它吗？可能不浏览整个页面？或者可能只使用另一个解析器？

//Here goes the reading of the site into my String "string" (using NekoHTML)

org.xml.sax.InputSource is = new InputSource();
is.setCharacterStream(new StringReader(string));

org.cyberneko.html.parsers.DOMParser parser = new DOMParser();
parser.parse(is);

org.jdom2.input.DOMBuilder builder = new DOMBuilder();
org.jdom2.Document doc = builder.build(parser.getDocument());