在 Java 中使用 XPath 查询 HTML 页面

Question

谁能告诉我一个 Java 库，它允许我在 html 页面上执行 XPath 查询？

我尝试使用 JAXP，但它一直给我一个奇怪的错误，我似乎无法修复（线程“main”java.io.IOException：服务器返回 HTTP 响应代码：503 对于 URL：http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd）。

非常感谢。

编辑

我发现了这个：

// Create a new SAX Parser factory
SAXParserFactory factory = SAXParserFactory.newInstance();

// Turn on validation
factory.setValidating(true);

// Create a validating SAX parser instance
SAXParser parser = factory.newSAXParser();

// Create a new DOM Document Builder factory
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();

// Turn on validation
factory.setValidating(true);

// Create a validating DOM parser
DocumentBuilder builder = factory.newDocumentBuilder();

来自 http://www.ibm.com/ developerworks/xml/library/x-jaxpval.html 但是将参数变为 false 并没有改变任何东西。

Answer 1

将解析器设置为“非验证”只会关闭验证；它不禁止获取DTD。据我记得，获取 DTD 不仅是为了验证，还为了实体扩展。

如果您想禁止获取 DTD，则需要向 DocumentBuilderFactory 或 DocumentBuilder 注册适当的 EntityResolver。实现 EntityResolver 的 resolveEntity 方法以始终返回空字符串。

Answer 2

看看这个：

http://www.w3c_s_excessive_dtd_traffic" w3.org/2005/06/blog/systeam/2008/02/08/w3c_s_excessive_dtd_traffic

可能您已将解析器设置为执行 DOM 验证，并且它正在尝试检索 DTD。 JAXP 应该有一种方法来禁用 DTD 验证，并且只需针对假定有效的文档运行 XPATH。我已经很多年没有使用 JAXP 了，所以很抱歉我无法为您提供更多帮助。