HtmlCleaner 如何处理网页中的 Iframe
我想了解 HtmlCleaner 在清理原始 html 以生成有效的 xml 输出时如何处理 Iframe。带有 iframe 的页面的一个示例是 此 eBay 产品页面。
当我打印此页面的 HtmlCleaner 输出时，我发现一些 iframe 标签完好无损，而另一些则丢失。丢失的 iframe 之一是 id="d" 的 iframe。它包含产品描述，其正文已合并到主页中。
html clean 的 XML 输出： http://pastebin.com/03f9gtdC
任何人都可以看看它，或者提出建议一些更好的 HTML 解析库，能够优雅地处理 iframe。该库应该能够支持 XPath 评估。
I want to understand how HtmlCleaner handles Iframes when cleaning raw html to produce valid xml output. One example of a page with iframes is this ebay product page.
When I print the output of HtmlCleaner for this page, I find that some iframe tags are intact while others are missing. One of the missing iframes is the iframe with id="d". It contains the product description and its body has been merged into the main page.
The XML Output of html cleaner: http://pastebin.com/03f9gtdC
Could anyone kindly look at it, or suggest some better HTML parsing library which is able to handle iframes gracefully. That library should be able to support XPath evaluation.
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论