NSXMLParser与HTML包含Javascript和“坏”字符

Question

我正在使用NSXMLParser从网站解析HTML。测试网站是在我的控制之下，但在运营网站将不会。

问题是解析器遇到包含“坏”字符的javascript。例如，包含if(screen.width<=521)的javascript。问题是代码中的<。我可以看到问题，但不确定是否有任何好的方法。 （NSXMLParser报告NSXMLParserErrorDomain错误68.我可以看到为什么 - 它将< =视为新标记的开始，但=不是有效标记名称字符...）。但是，我会怎样处理if(var<20)？

我其实对特定的内容不感兴趣，所以可以做全局替换/删除等操作。 “< =”和“> =”（等等），但在某些方面，由于我使用NSXMLParser来避免开始搞乱内容，因此看起来有点混乱。如果替代是最好的前进方向，我可以设想“< =”和“> =”但我应该包括其他任何序列？

我是可可的新手，所以可能很容易遗漏一些明显的东西 - 在这种情况下很多道歉。我确实看到其他人也发现了类似的问题，但从问题中找不到一个好的方法。

我正在处理错误确定（以一种整洁的方式），但它阻止了我的应用程序执行它的任务 - 即我需要避免错误而不是处理它。

背景：该应用程序正在对html进行“之前”和“之后”比较并寻找更改。我可以将“< =”换成非常奇怪的东西，然后在必要时将其换回。我甚至可以首先检查替换内容的数据以消除可能的歧义（例如，在下载的页面中找不到UID序列，用UID序列替换“< =”，如果需要，解析页面，用“< =”代替UID ，同上，用于“> =”。

（我看过的libxml2的如libtidy却找不到方便的文档和很警惕，推出下来这样的途径，如果不解决这个问题。）

Answer 1

NSXMLParser，顾名思义，并不意味着解析HTML，XML比HTML更严格，并且你遇到的错误当然不是唯一可以用真实世界的HTML的东西，还有HTML文档也是有效的XML ，但这是例外，而不是规范。

我建议使用合适的HTML解析器，例如this one，它是围绕libxml的HTML解析函数的Objective-C包装。