android - Análisis del contenido que contiene etiquetas html con XMLPullParser

nested html-parsing

Question

Estoy construyendo una aplicación en Android usando XmlPullParser.

¿Cómo puedo obtener el contenido de un html formateado de esta manera?

<div class="content">
"Some text is here."
<br>
"some more text "<a class="link" href="adress">continues here</a>
<br>
</div>

Quiero analizar todo el contenido de esta manera:

"Some text is here.
some more text continues here"

La parte "continúa aquí" también debe estar hipervinculada.

ADICIÓN después de algunos comentarios: HTML se coloca primero en Yahoo YQL y YQL genera un XML. Uso el archivo XML generado en el código. La parte antes mencionada que quiero analizar proviene del XML generado.

Answer 1

Tanto HTML como XML, aunque comparten sintaxis común en algunos casos, son diferentes . Creo que usar XmlPullParser para ese propósito no es una buena idea. Recomiendo usar uno de los varios analizadores HTML de Java para eso.

Answer 2

XmlPullParser está pensado para tratar con XML. Es realmente raro encontrar páginas XHMTL que estén bien estructuradas en la web. Un analizador XML esperaría datos formateados muy bien y no debería tolerar fallas. Por otro lado, HTML suele estar poco organizado.

Entonces, no, no es una buena idea. Deberías preferir otras bibliotecas como tagoup o geronimo .

PD: y lo mejor cuando haces una pregunta de pila sobre flujo es probar algo por ti mismo y, si está bloqueado, entonces pregunta. No de la otra manera.