質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

89.63%

HTMLをXPathでパースできない(Validator.nu HTML Parser)

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 1,906
退会済みユーザー

退会済みユーザー

Validator.nu HTML Parserを使ってHTMLをXPathでパースしたいのですが、結果が返ってきません。
デバッグしていて、Documentの中身がnullではないがきちんと入っていないような感じです。
以下のコードのnodeの中身がnullのままです。
原因や解決策をご教授いただけないでしょうか。

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.io.StringReader;
import java.net.URL;
import java.util.HashMap;

import javax.xml.xpath.XPath;
import javax.xml.xpath.XPathConstants;
import javax.xml.xpath.XPathExpressionException;
import javax.xml.xpath.XPathFactory;

import org.w3c.dom.Document;
import org.w3c.dom.Node;
import org.xml.sax.InputSource;
import org.xml.sax.SAXException;

import nu.validator.htmlparser.dom.HtmlDocumentBuilder;




public class Foo {

    public static void main(String[] args) throws IOException {
        long t1 = System.currentTimeMillis();
        response=new HashMap<>();
        URL url= new URL("http://www.yahoo.co.jp");
        String content=getSourceText(url);
        //System.out.println(content);
        HtmlDocumentBuilder builder = new HtmlDocumentBuilder();
        StringReader reader = new StringReader(content);
        Document doc=null;
        try {
            //doc = builder.parse(new InputSource(new ByteArrayInputStream(content.getBytes("UTF-8"))));
            doc = builder.parse(new InputSource(reader));

        } catch (SAXException e1) {

            e1.printStackTrace();
        }catch(Exception e){
            e.printStackTrace();
        }
        XPathFactory factory = XPathFactory.newInstance();
        XPath xpath = factory.newXPath();
        Node node=null;
        try {
            //String fooString = xpath.evaluate("//*[@id=feed-tabs]/ul/li[1]/div",doc);
            //String fooString = xpath.evaluate("//*[@id=\"typhoon\"]",doc);
            //System.out.println(fooString);
            String path = "//*[@id=typhoon]";
            node = (Node) xpath.evaluate(path,doc, XPathConstants.NODE);            

        } catch (XPathExpressionException e) {

            e.printStackTrace();
        }

}

    public static String getSourceText(URL url) throws IOException {
        InputStream in = url.openStream();
        StringBuilder sb = new StringBuilder();
        try {
            BufferedReader bf = new BufferedReader(new InputStreamReader(in));
            String s;
            while ((s=bf.readLine())!=null) {
                sb.append(s);
            }
        } finally {
            in.close();
        }
        return sb.toString();
        }
}

参考にしたサイト
ちなみに、これまではjsoupを使っていたのですが、
・idの重複に対応していない(指定されたidの最初の要素しか取れない)
・パースしているwebサイトに改修が入った時に大幅にコーディングの直しが必要
ということでやめました。
cybernekoも使ったことはありますが、HTML5に対応していないようでした。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

0

参考程度ですが、
XPathConstants.NODESETを使って以下のようにしたところ、出力はされました。

// XPathFactory生成から出力まで
        XPathFactory factory = XPathFactory.newInstance();
        XPath xpath = factory.newXPath();
        NodeList nodeList = null;
        try {
            String path = "//*";
            nodeList = (NodeList)xpath.evaluate(path ,doc, XPathConstants.NODESET);
        } catch (XPathExpressionException e) {
            e.printStackTrace();
        }
        for (int i = 0; i < nodeList.getLength(); i++) {
            System.out.println(nodeList.item(i).getTextContent());
        }

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2016/09/09 14:47

    回答ありがとうございます。
    XPathConstants.NODEがいけなかったのでしょうか。

    キャンセル

  • 2016/09/09 14:57

    「String path = "//*[@id=typhoon]";」で要素が取得できるかどうかの問題だと思います。そこのところは、わからなかったため、「"//*";」にしました。

    XPathConstants.NODEでも取得は出来ました。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 89.63%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる