Парсинг некорректного HTML в Android: обход SaxException

Быстрый ответ

Представляем краткую инструкцию по парсингу HTML на Android с применением библиотеки JSoup:

// Подключим фреймворк JSoup
implementation 'org.jsoup:jsoup:1.14.3'

// Начнем парсинг
String html = "<title>Образец</title><p>Текст</p>";
Document doc = Jsoup.parse(html);
String title = doc.select("title").first().text();
String text = doc.select("p").text();

// Результат получен!
System.out.println("Заголовок: " + title); // Вывод: Образец
System.out.println("Текст: " + text);       // Вывод: Текст

Выберите элементы в HTML с помощью CSS-селекторов, и вместе с JSoup освободите главный поток интерфейса.

Работа с JSoup

JSoup является мощным средством для разбора, модификации и доступа к информации в HTML, что обеспечивает повышенную эффективность вашего кода.

Обработка некорректного HTML

Неудобна плохая структура HTML? Пусть JSoup заботится о решении этой проблемы:

Element content = doc.select("div.content").first();
// JSoup сумеет управиться с HTML, даже если структура слишком запутана и в нём много пропущенных тегов.

Уменьшение размера приложения

JSoup является компактным, несмотря на большие возможности. Используйте ProGuard или R8 для минимизации размера APK вашего приложения.

Работа с сетью и потоками

С помощью метода connect в JSoup, вы можете напрямую приобрести и анализировать контент по URL. Организуйте обработку в отдельном потоке для беспрепятственной работы вашего приложения:

String url = "https://www.jokes.com";
Document document = Jsoup.connect(url).get();
// Зачем использовать браузер, если ваше приложение способно перемещаться по веб-страницам самостоятельно?

Отображение результатов в UI

Выведите результаты разбора HTML в пользовательский интерфейс с помощью runOnUiThread.

runOnUiThread(new Runnable() {
   @Override
   public void run() {
       textView.setText(parsedText);
   }
});
// Ведь TextView тоже заслуживает красоты.

Обработка исключений и альтернативные пути навигации

Перехват SaxException

В случае, если в процессе разбора данных возникает ошибка SaxException, JSoup позволит эффективно обработать исключение и сохранит надежность вашего приложения:

try {
    Document doc = Jsoup.connect(url).get();
} catch (SaxException e) {
    Log.e("HTML парсинг", "SaxException", e);
}

WebView как альтернатива

Если HTML, в котором вы работаете, имеет больше JavaScript, чем вы когда-либо видели на лекциях по информатике, на помощь придет компонент Android WebView. В сочетании с дополнительными библиотеками, WebView решит проблему обработки динамического содержимого HTML.

Визуализация

Можно уподобить парсинг HTML в Android к мастерскому вскрытию замка в поисках ценности:

Android-приложение (🏴‍☠️): Хорошо, давай найдем HTML-сокровища! (⚓️📃)
JSoup (🗝️): Смотри, что у меня получилось...

Действие:

Document doc = Jsoup.connect("http://example.com").get();
Elements links = doc.select("a[href]");

Результат:

HTML-содержимое (🔓💰): [Ссылка 1 (🔗), Ссылка 2 (🔗), Ссылка 3 (🔗)]
// JSoup: Передача выполнена успешно.

Парсинг HTML: Продвинутый уровень

Упрощенный парсинг с Html.fromHtml

Для коротких HTML-строк, метод Html.fromHtml() в Android быстро превратит их в простой текст:

String plainText = Html.fromHtml(htmlString, Html.FROM_HTML_MODE_LEGACY).toString();
// В иногда ценим простоту.

Экранирование специальных символов

Не забывайте экранировать специальные символы для безопасной работы с HTML:

String safeHtml = Html.escapeHtml(unsafeHtml);
// Безопасность на первом месте!

Обновление знаний

В мире Android постоянно происходят обновления. Обязательно изучайте документацию по Android, чтобы быть в курсе последних изменений для Html.fromHtml().

Узнать больше: Онлайн-обучение

Повышайте свои навыки разбора HTML, просто практикующись. Блоги, учебные материалы и ночное чтение только помогут вам в этом. Продолжайте учиться!

Полезные материалы

1. jsoup: Java HTML parser, designed for HTML editing, cleaning, scraping, and XSS safety — официальный сайт JSoup.
2. Create dynamic lists with RecyclerView | Android Developers — узнайте, как создать динамический список с помощью компонента RecyclerView для отображения данных.
3. Обсуждение JSoup на Stack Overflow — практические советы по использованию JSoup.
4. XmlPullParser | Android Developers — официальная документация по XmlPullParser.
5. Android – XML Parser — руководство по XML-парсерам.
6. Как конвертировать Android JSONObject/JSONArray в стандартные Map/List. · GitHub — метод конвертации JSON в структуры Java.
7. Учебник по JSoup на YouTube.