→ mahoihei:順便問一下,XML的PARSER可以用來讀HTML嗎 06/11 21:29
→ nanashi07:解析HTML請先處理容錯問題,不是每個網站的html source都 06/11 22:43
→ nanashi07:是符合結構的,可以參考htmlcleaner 06/11 22:44
→ mahoihei:"合符結構"是什麼意思??? 06/11 23:22
先給上我要解析的網站
http://goo.gl/FXmDR
用的是html parser 1.6版本
我的想法是用TagNameFilter,過濾出<ul>TAG的nodelist
,再找出nodelist的第一個NODE <ul class="archiver_forumlist">
就可以提出整個列表了
可是出來的結果是, 確實抓出<ul class="archiver_forumlist"> </ul>
的內容,可是我抓出來的列表到
<li><a href="archiver/?fid-206.html">吹水廣場</a></li>
</ul></li>
</ul></li>
就停了, 我看看抓出來的HTML碼比對網站的發現
<li><a href="archiver/?fid-206.html">吹水廣場</a></li>
</ul></li>
</ul></li></ul> <<多了個</ul>
nodelist的第一個node變成了
<ul class="archiver_forumlist">
..略N字
<li><a href="archiver/?fid-206.html">吹水廣場</a></li>
</ul></li>
</ul></li></ul>
若是沒解的話,有另外一些解析HTML的API嗎
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 116.49.240.161