Parsen von XHTML-File

[Dominik86]

Hallo zusammen!

Habe ein Problem beim Parsen meines XHTML-Files.
Das Problem ist, dass ich habe, ist das ich beim Parsen auf ein non well-formed-file stoße. Dieses XHTML-File wurde vorherdurch ne automatisierte Suchanfrage abgespeichert. Jetzt wenn ich es Parsen möchte kommt immer an der gleichen Stelle ein Fehler.
2 Url's werden im XHTML-File nicht richtig dargestellt. In der Url kommen "&" Zeichen vor die aber nach XML-Standard mit "&" dargestellt werden müssten.
Jetzt meine Frage! Gibt es eine Möglichkeit vor dem Parsen in das Dokument einzugreifen und diese Fehler zu beheben?
Habe bisher nichts dazu gefunden wie ich das in Java verwirklichen kann!

Danke

[Christian Marquardt]

Habe bisher nichts dazu gefunden wie ich das in Java verwirklichen kann!

????
Keiner hindert dich, alle & in dem File mit &amp vor dem parsen zu ersetzen

http://entwickler-forum.de/showthrea...044#post171044

[Dominik86]

ja meine Frage betrifft ja den Punkt wie ich dies in Java verwicklichen kann! bis jetzt hab ichs nur mauell behoben aber das ist ja nicht der sinn und zweck

[Christian Marquardt]

Schon mal einen Blick in die Klasse String geworfen?
Dort die Methode replaceAll?

[Christian Marquardt]

       BufferedReader br = new BufferedReader(new FileReader("deine Datei"));
        String line;
        StringBuilder result = new StringBuilder();
        while ((line = br.readLine()) != null) {
            result.append(line);
        }
        String text = result.toString();
        System.out.println(text);
        text = text.replaceAll("&[^a]", "&");
        System.out.println(text);

[Dominik86]

Mein problem ist aber, dass ich nicht alle sondern nur einzelne ändern muss:

z.B:´( so müsste es aussehen)
<a href="/app/message?dpt=ma&amp;ttp=msws&amp;plf=news&amp;pid=0 408" style="color: #000000; font-size: 12px; font-family: Arial,Helvetica,sans-serif; border: 0; padding: 0; margin: 0 0 0 10px; text-decoration: underline;" title="Neue Nachrichten">0</a>

so sieht es aus:
<a href="/app/message?dpt=ma&;ttp=msws&plf=news&pid=0408" style="color: #000000; font-size: 12px; font-family: Arial,Helvetica,sans-serif; border: 0; padding: 0; margin: 0 0 0 10px; text-decoration: underline;" title="Neue Nachrichten">0</a>

genau hier muss ich reinkommen um bei href die & zeichen mit &amp; zu ersetzen

[Christian Marquardt]

Und??
Schade, dass du dir den Code offenbar nicht angeschaut hast

im übrigen sehe ich nur im HREF &...es steht dir frei, den regulären Ausdruck deinen Bedürfnissen anzupassen

[Dominik86]

Habe deinen Code angeschaut und auch eigebaut! Er funktioniert soweit, dass das parsen jetzt auch so startet und anfängt aber an dieser Codestelle (siehe oben) abbricht und den gleicehn fehler bringt!

Es kommen viele & zeichen vor! das Xhtml-file hat ca 1500 Zeilen und da kann ich net alle & ersetzen!

[Christian Marquardt]

       String text = "<a href='/app/message?dpt=ma&;ttp=msws&plf=news&pid=0408' style='color: #000000; font-size: 12px; font-family: Arial,Helvetica,sans-serif; border: 0; padding: 0; margin: 0 0 0 10px; text-decoration: underline;' title='Neue Nachrichten'>0</a>";
 
        text = text.replaceAll("&[^a]", "&amp;");
        System.out.println(text);

ergibt bei mir

<a href='/app/message?dpt=ma&amp;ttp=msws&amp;lf=news&amp;id=040 8' style='color: #000000; font-size: 12px; font-family: Arial,Helvetica,sans-serif; border: 0; padding: 0; margin: 0 0 0 10px; text-decoration: underline;' title='Neue Nachrichten'>0</a>

[Christian Marquardt]

da kann ich net alle & ersetzen

Das tut der Code auch nicht. Er ersetzt nur & denen kein a folgt.

'Wenn du eine andere Regel brauchst -> ersetze den Ausdruck

[Dominik86]

Ja das stimmt! hab nur nicht bedacht das ich das korregierte nicht zurück ins xhtml file schreiben lasse! wird ja nur so ausgegeben! muss es erst mal nur noch zurück schreiben lassen!

[Christian Marquardt]

Ja das stimmt! hab nur nicht bedacht das ich das korregierte nicht zurück ins xhtml file schreiben lasse! wird ja nur so ausgegeben! muss es erst mal nur noch zurück schreiben lassen!

Warum übergibst du nicht den String zum parsen?

[Dominik86]

so noch ne kleine Frage:

warum wird das erste folgende Zeichen nach dem & immer mit ersetzt?

[Christian Marquardt]

Weil nach diesem Zeiche auch gesucht wird. Dann musst du einen anderen Weg gehen...

http://java.sun.com/docs/books/tutor...x/matcher.html

Nutze nur die Suche mit den RegEx und ersetze dann mit den den Stringfunktionen ab der gefundenen Position +1

Aus

&;

soll

&amp;;

werden?

[Dominik86]

Nein da war ein kleiner Fehler in meiner Angabe!

z.B:´( so müsste es aussehen)
<a href="/app/message?dpt=ma&amp;ttp=msws&amp;plf=news&amp;pid=0 408" style="color: #000000; font-size: 12px; font-family: Arial,Helvetica,sans-serif; border: 0; padding: 0; margin: 0 0 0 10px; text-decoration: underline;" title="Neue Nachrichten">0</a>

so sieht es aus: ( ; ist eigentlich net da)
<a href="/app/message?dpt=ma&ttp=msws&plf=news&pid=0408" style="color: #000000; font-size: 12px; font-family: Arial,Helvetica,sans-serif; border: 0; padding: 0; margin: 0 0 0 10px; text-decoration: underline;" title="Neue Nachrichten">0</a>

und nach deiner Lösung schaut es so aus:
<a href="/app/message?dpt=ma&amp;tp=msws&amp;lf=news&amp;id=0 408" style="color: #000000; font-size: 12px; font-family: Arial,Helvetica,sans-serif; border: 0; padding: 0; margin: 0 0 0 10px; text-decoration: underline;" title="Neue Nachrichten">0</a>