Java XPath可以'；无法按id查找表

我正在使用WATIJ进行一些屏幕抓取，但它无法读取HTML表（抛出NullPointerException或UnknownObjectException）。为了克服这个问题，我阅读了HTML并通过JTidy运行它以获得格式良好的XML

我想用XPath解析它，但它找不到

by

id

的

，即使该表在XML平原中也是如此。这是我的密码：

XPathFactory factory=XPathFactory.newInstance();  
XPath xPath=factory.newXPath();  
InputSource inputSource = new InputSource(new StringReader(tidyHtml));  
XPathExpression xPathExpression=xPath.compile("//table[@id='searchResult']");  
String expression = "//table[@id='searchResult']";
String table = xPath.evaluate(expression, inputSource);
System.out.println("table = " + table);

该表是一个空字符串

但是，该表是XML格式的。如果我打印它显示的

tidyHtml

字符串

 <table
   class="ApptableDisplayTag"
   id="searchResult"
   style="WIDTH: 99%">

我以前没有使用过XPath，所以可能我遗漏了一些东西

---

有人能帮我澄清一下吗？谢谢。

我从未直接使用过Java的XPathAPI，我总是通过其他语言（Perl和C）使用它。但我很了解它是如何正常工作的。首先，您可能应该将输入解析为DOM文档，这将非常有帮助。另外，如果您知道您的文档具有ID，那么您应该通过加载DTD或模式来解析它，以这种方式描述文档，XML解析器将标记并标识具有适当ID的节点。完成此操作后，可以将代码与DOM树一起使用

[XPath.evaluate（expression，item）]（显示第二个元素应该是一个节点或节点列表。这可能就是为什么会有大量的UnknowNobjectException

如果XML解析器能够识别ID元素，则可以使用以下XPath表达式访问具有ID的元素：

XPathExpression xPathExpression=xPath.compile("id('searchResult')");
xPathExpression.evaluate(document); // document is a DOM document instance

---

使用XPath函数是访问元素最有效的方法，也就是当元素使用ID并且在DTD或模式中以这种方式声明时。

您的XPath是正确的……不管失败的是什么，都不是。

看起来问题主要出在JTidy上。我可以使用XPath解析JTidy ied通过执行以下操作获得结果：

import watij.runtime.ie.IE; import static watij.finders.SymbolFactory.*; public class Example { public static void main(String[] args) { IE ie = new IE(); ie.start("your_url_goes_here"); System.out.println(ie.table(xpath, "//TABLE[@id='searchResult']").rowCount()); ie.close(); } } 删除所有“nbsp；”。JTidy返回标记外带有“nbsp；”的xhtml。 移除 在标记中删除xmlns=…属性 移除“头部”标签。 （我使用了一些有趣的格式，因为正确键入时不会显示HTML实体）

JTyy也在文本内容的中间放置换行符，如果……元素，

我必须看看其他HTML->XML转换选项。我给了Cobra一个快速的尝试，但它也无法通过Id找到我的表。我没有尝试手动清理Cobra的结果，所以我不知道它与JTidy相比如何

---

如果您知道一个返回良好XML的HTML解析器，请告诉我。

我对JTidy一无所知，但对于WATIJ来说，我认为您获得NullPointer和UnknownObject异常的原因是因为您的XPATH使用小写节点。因此，假设您使用的是“//table[@id='searchResult']”作为在WATIJ中查找表的xpath。这实际上不起作用，因为“table”是小写的。对于WATIJ，您需要将所有节点名都用大写，例如：“//table[@id='searchResult']”。例如，如果要使用WATIJ打印该表的行数，您可以执行以下操作：

import watij.runtime.ie.IE; import static watij.finders.SymbolFactory.*; public class Example { public static void main(String[] args) { IE ie = new IE(); ie.start("your_url_goes_here"); System.out.println(ie.table(xpath, "//TABLE[@id='searchResult']").rowCount()); ie.close(); } } 导入watij.runtime.ie.ie； 导入静态watij.finders.SymbolFactory.*； 公开课范例{ 公共静态void main（字符串[]args）{ IE=新IE（）； 即开始（“你的url在这里”）； System.out.println（ie.table（xpath，//table[@id='searchResult']））.rowCount（）； 即关闭（）； } }

---

这段代码或答案可能不正确，因为我今天才开始使用WATIJ。尽管我在XPath上遇到了同样的问题。我花了几个小时的搜索/测试才注意到所有XPath都是如何在这一页上显示的：一旦我在XPath中更改了大小写，WATIJ就能够找到对象，所以这应该可以在或者你也可以。

解决方案是放弃WATIJ并切换到Google WebDriver。WebDriver记录了不同浏览器如何在xpath语句中处理大小写。

绝对不需要双引号，大写也不需要。名称空间和/或DTD更可能是答案。

Uniue ID属性需要通过ID（）方法

id（'search'）

观察良好。Google WebDriver文档提到xpath语句的大小写敏感度取决于您使用的浏览器。