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.

Подробнее об этом расскажет наш спикер на видео

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.