Web scraping 如何在使用HTML单元解析HTML之前清除HTML

我正在使用HtmlUnit刮取

html

，但是

html

格式不正确，几乎没有未关闭的标记，因此HtmlUnit给出了错误的结果。因此，我需要在将其传递给HtmlUnit之前清理它

我该怎么做呢

---

一个简短的代码片段或教程将不胜感激

我相信您可以通过实现自己的代码片段或教程来实现这一点。然后，您必须找到一些HTML库来正确地解决这个问题（如果可能的话）。然后，您所要做的就是确保包装器将内容发送到库中，这样当它到达HTMLUnit的解析器时，HTML内容就已经被处理。

Plz提供您的HTMLUnit代码