Welcher Html-Parser?

[hüteüberhüte]

Bin auf der Suche nach einem HTML-Parser, der "robust" ist und auch "ungültiges" HTML ohne Probleme parsen kann. Auf jeder Seite ist ja kein valides HTML, man schaue mal hier: [Invalid] Markup Validation of http://www.java-forum.org/ - W3C Markup Validator

Kennt ihr einen aktuellen, mit dem ihr vielleicht auch gute Erfahrungen gemacht habt?

 

[SuppenGeist]

Hallo,

für was brauchst du den denn?
Wenn du Daten in einer Baumstruktur speichern willst, benutzt man gewöhnlich XML, für den es bereits in der JDK einen eingebauten Parser gibt.
Wenn du HTML-Seiten darstellen willst, gibts es da das JEditorPane.

Aber ansonsten guck einfach mal hier:HTML Parser

Hab den jetzt noch nicht peröhnlich ausprobiert, nur kurz gegoogelt

 

[hüteüberhüte]

Über die Suche hab ich auch schon gefunden: Open Source HTML Parsers in Java

Die meisten sind aber veraltet(!) oder taugen nix. Deshalb interessiert mich, was ihr schon eingesetzt habt

[EDIT]

für was brauchst du den denn?
Wenn du Daten in einer Baumstruktur speichern willst, benutzt man gewöhnlich XML, für den es bereits in der JDK einen eingebauten Parser gibt.

Der im JDK enthaltene kann nicht mit "schmutzigen" Html umgehen

Wollte eine Seite auf Links untersuchen, folgendes Thema gab den Anlass dazu: http://www.java-forum.org/java-basics-anfaenger-themen/141099-webcrawler-java.html[/EDIT]

 

[Ark]

Oh, Mann, innerhalb weniger Tage nun schon die dritte Anfrage nach solchen Dingern …

Ark

 

[xehpuk]

Habe ich noch nie gebraucht, aber das sollte einen guten Überblick geben: What are the pros and cons of the leading Java HTML parsers? - Stack Overflow

XML

HTML != XML

 

[hüteüberhüte]

HTML != XML

Blödsinn. Schäm dich

 

[Marco13]

Schau' mal, wie gut ein reiner XML-Parser mit einer normalen Webseite klarkommt - und nicht zuletzt mit allein stehenden ("ungeschlossenen") Tags sie <p>...

 

[xehpuk]

Ich hoffe ja inständig, dass das schlecht gekennzeichnete Ironie war.

 

[hüteüberhüte]

Ich hoffe ja inständig, dass das schlecht gekennzeichnete Ironie war.

War keine Ironie. Ich hatte zwei lange, ausführliche und staubtrockene Vorlesungen diesbezüglich :lol: Aber siehe das bitte nicht als persönliche Kritik an :lol: