Java解析HTML最快的方式,使用JSoup解析HTML(格式不良好)_java_开发99编程知识库

我试图用Jsoup分析一个HTML页面并建立一些奇怪的问题。 页面是&＃xff1a;http://www.filmaffinity.com/en/film290741.html&＃xff0c;你可以看到&＃xff0c;并不是格式良好的。 它有一些问题&＃xff0c;我可以猜测影响分析。 通过Firebug和 Chrome&＃xff0c;我获得了我正在寻找( 页面中的5.8速率)的元素的XPath 。Chrome 指向&＃xff1a; /html/body/table[2]/tbody/tr/td[2]/table/tbody/tr[1]/td/table[1]/tbody/tr/td[2]/table/tbody/tr[2]/td

而Firebug指向&＃xff1a; /html/body/table[2]/tbody/tr/td[2]/table/tbody/tr/td/table/tbody/tr/td[2]/table/tbody/tr[2]/td

唯一不同的是中的&＃xff0c;它不显示在Firebug中。 我已经手动验证了路径&＃xff0c;它是正确的。

然后我将xpath转换为Jsoup中的CSS查询&＃xff0c;以便稍后提取特定元素&＃xff1a;Element rate&＃61;doc.select("html body table:nth-child(2) tbody tr td:nth-child(2) table tbody tr td table tbody tr td:nth-child(2) table tbody tr:nth-child(2) td")

代码的执行并没有正确定位我&＃xff0c;而是将Firebug引用的元素放在XPath中&＃xff0c;如下所示&＃xff1a;wrong:/html/body/table[2]/tbody/tr/td[2]/table/tbody/tr/td/table/tbody/tr/td/table/tbody/tr[15]/td[2]

right:/html/body/table[2]/tbody/tr/td[2]/table/tbody/tr/td/table/tbody/tr/td[2]/table/tbody/tr[2]/td

从最后开始&＃xff0c;第一个区别是&＃xff1a;/td/table/tbody/tr[15]/td[2]

它采用第一个元素而不是第二个元素。

有什么办法可以解决这种问题&＃xff1f; 是与html不良形成的问题&＃xff0c;或者我缺少一些我可以用来解决这个问题的Jsoup技术。

因为它应该能够处理格式良好的Html&＃xff0c;所以我选择了 Jsoup 。 我是不是要求&＃xff1f;

对于Jsoup有什么可以解决这种问题的方法&＃xff1f;