解析HTML文档并替换整个标签片段的最佳方法

Question

我正试图从上到下找到解析HTML文档的最佳方法，并用 替换某些不同的标签组并创建更新的文件。 我更喜欢使用Java，VB.NET或PHP。

有几个类，如JSoup，杰里科等，这似乎是很好的替换特定的标签，但我想要做的是取代/重写整个段。

例如，我可能正在寻找一个表，如。

<table><tr><th>A header</th></tr><tr><td>Some text</td></tr><tr><td>More text</td></tr></table> 

，我想用

<div class="header">A header</div><p>Some text. More text</p> 

但是替换此，要离开这个HTML文件相同的其余部分。

任何人都这样做？什么是最简单的方法？你能推荐一个好的HTML解析器来使用吗？

我解析的文档是XHTML，所以我已经考虑使用java DOM或SAX工具，但是，我发现这些工作非常繁琐，并且想知道是否有更好的方法来处理它，以及一些现有的类。

非常感谢任何帮助。

Answer 1

是的，你需要一个html解析器来轻松正确地解析html。您可以使用

jsoup: Java HTML Parser

jsoup是一个Java库与现实世界的HTML工作。它为 提供了一个非常方便的API，用于提取和操作数据，使用DOM的最好的 。

这很简单，只要这种使用汤解析HTML：

String html = "<table><tr><th>A header</th></tr><tr><td>Some text</td></tr><tr><td>More text</td></tr></table>"; 
Document doc = Jsoup.parse(html);