使用 tika 自定义 xpath 表达式
我正在尝试为 tika 构建自定义 xpath contentHandler 来识别复杂的 xpath 表达式， 通过使用 org/apache/tika/sax/BodyContentHandler.java 中的代码（因为我使用 tika 来做其他事情）
这个 xpath 可以工作，
/xhtml:html/xhtml:body/descendant:node()
但这不是
//xhtml:div[@id='someid']/descendant:node()
我想集成 tika 的 contentHandler （因为它修复了 html 内容不平衡标签和无效字符）使用 javax.xml.xpath 中的 xpath 评估器。这样做的正确方法是什么。一旦 tika 评估并修复了 html 内容，有什么方法可以获取 inputsource 吗？
I am trying build custom xpath contentHandler for tika that recognizes complex xpath expression,
by using code from org/apache/tika/sax/BodyContentHandler.java (because I am using tika for other stuff)
This xpath works
/xhtml:html/xhtml:body/descendant:node()
but this does not
//xhtml:div[@id='someid']/descendant:node()
I want to integrate tika's contentHandler (because it fixes html contents unbalanced tags and invalid character) with xpath evaluator from javax.xml.xpath. What is a proper way of doing that. Is there a way I can get inputsource once tika has evaluated and fixed html content?
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
评论（1）
Tika 中包含的 XPath 功能仅支持 XPath 功能的子集（请参阅 XPathParser 了解详细信息）。对于更复杂的 XPath 查询，我建议使用类似 javax.xml.xpath。
The XPath feature included in Tika only supports a subset of XPath features (see XPathParser for details). For more complex XPath queries I recommend using something like javax.xml.xpath.