Javaで文字実体参照と数値文字参照をデコード(?)する - ttmmrr(@o_tmr)の日記
先日、数値文字参照のデコードを書いたが、文字実体参照も同時に処理する様にしてみる。 2009-12-09追記 以下のコードはバグがあります。 package org.java_kuche.tmr; import java.util.Collections; import java.util.HashMap; import java.util.Map; import java.util.regex.Matcher; import java.util.regex.Pattern; public class CharRefDecode { private static final String RE_NCR = "&#(?:(([x])([0-9a-f]+))|(([0-9]+)));"; private static Map<String,String> CHARACTER_ENTITY_RE
[ヅ]JavaとTwitter4JでTwitterのツイート検索結果をHTML出力する (2010-04-25)
TwitterのツイートをHTMLに落とし込むツールが欲しかったのでJavaで書いてみた。 ついったー(Twitter)発言まとめツール がすばらしかったので、HTML構造や CSS の id や class はこれを踏襲。 動作確認環境 * Windows XP SP3 * JDK 1.6 * Twitter4J version 2.1.1 ソースコード import java.io.*; import java.text.*; import java.util.*; import twitter4j.*; public class TwetterSearchPrinter { public static void main(String[] args) throws Exception { String searchQuery = "nilab"; Integer limit = 10
Jericho HTML Parser
Jericho HTML Parser is a java library allowing analysis and manipulation of parts of an HTML document, including server-side tags, while reproducing verbatim any unrecognised or invalid HTML. It also provides high-level HTML form manipulation functions. It is an open source library released under the Eclipse Public License (EPL), GNU Lesser General Public License (LGPL), and Apache Licence. You ar
[ヅラド] Javaでウェブページの情報を取得する with HTML Parser (org.htmlparser)
This page moved.
HTML Parser
HTML Parser (Java) 概要 HTMLの構造を解析する Java のクラスライブラリ。 内容の抽出、構造の変換が可能。 HTTP接続の機能を含む。 簡単な特徴のまとめ (MYCOMジャーナル) 公式ページ / ダウンロード 公式ページ (sourceforge) ダウンロードは公式ページの左のメニュー -> Downloads -> Current 正式リリースでは htmlparser1_6_20060610.zip が最新 (2007年9月28日現在) ダウンロード元は jaist など近いところを選ぶ。 Vine Linux 3.1 を使用している場合は Firefox をインストールして、それを使ってダウンロードすること。 インストール htmlparser1_6_20060610.zip が ~/Desktop/ に保存されているものとする。 インストール先は ~/
HTML Parser - HTML Parser
HTML Parser is a Java library used to parse HTML in either a linear or nested fashion. Primarily used for transformation or extraction, it features filters, visitors, custom tags and easy to use JavaBeans. It is a fast, robust and well tested package. Welcome to the homepage of HTMLParser - a super-fast real-time parser for real-world HTML. What has attracted most developers to HTMLParser has been
NekoHTML
About NekoHTML is a simple HTML scanner and tag balancer that enables application programmers to parse HTML documents and access the information using standard XML interfaces. The parser can scan HTML files and "fix up" many common mistakes that human (and computer) authors make in writing HTML documents. NekoHTML adds missing parent elements; automatically closes elements with optional end tags;
Mozilla Java Html Parser
Mozilla Java Html Parser is a Java package that enables you to parse html pages into a Java Document object. The parser is a wrapper around Mozilla's Html Parser , thus giving the user a browser-quality html parser. This project is hosted at sourceforge.net This parser was development as part of Dapper . please visit us at http://www.dapper.net The HTML parser is now being used in a full scale pr
エラーを含んだXMLをルーズにパースする - kaisehのブログ
各種ブログのRSSのようなWeb上のXMLリソースをdom4jやJDOMなどで読み込むと、パースに失敗するケースがとても多いです。というのも、こういうXMLは基本的に、validであることをあまり期待できないからです（エスケープ漏れがあったり、"<!--"で始まったコメントの直後に"-"が来たりする[追記: これはinvalidな例じゃなく非well-formedな例でした]）。ひどいときはwell-formedですらないこともあります。 こういう問題がある場合、HTMLであれば、MayaaやS2JSFでも採用されているNekoHTMLというライブラリを使って、エラーを出さずにルーズにパースできます。このNekoHTMLを、HTMLではなくXMLに適用する方法を調べたので、メモしておきます。 パーサを以下のような構成にすると、XMLの解析に適した状態になります。 NekoHTML側ではなく
OperaのXMLパーサってすごかったのね (2007-07-07)
OperaにXMLファイルを読ませるとベタテキストが出てくる。フィードだと「新規購読」というダイアログが出るけれども、画面に表示されるのは容赦ないベタテキストだ。IEやFirefoxにスタイル情報のないXMLを渡せばドキュメントツリーを表示してくれるのと対照的で、どうもOperaはXMLにやる気がないのかと勝手に思っていた。 だが、整形式でないXMLを投げた場合、Operaのエラー表示が圧倒的に見やすいことに最近気づいた。たとえば、以下のようなXMLをブラウザに表示させてみる: <?xml version="1.0" encoding="UTF-8"?> <root> <hoge>あああ</hoge> <hoge>いいい <hoge>ううう</hoge> </root>
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
「XML出力で数値参照(&#xxxx）に変換される」（1） Java Solution － ＠IT
oklab.org
GitHub - asip/meteor-j: Lightweight (X)HTML Parser for Java
http://cappuccino.jp/keisuken/logbook/20080312.html
フィンローダのあっぱれご意見番 第150回「どこにあるのか分からなくても困らない」
Mozillaのコードを切り出してライブラリ化した文字エンコーディング判別ライブラリ「Universalchardet」をjavaにポーティング
Oracle Java Technologies | Oracle
IBM Developer