在 Java 中计算 XPath 表达式时出现异常-解网

问：

我正在尝试在 Java 中学习 Xpath 表达式的用法。我正在使用 Jtidy 将 HTML 页面转换为 XHTML，以便我可以使用 XPath 表达式轻松解析它。我有以下代码：

DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
factory.setNamespaceAware(true);


DocumentBuilder builder = factory.newDocumentBuilder();
    Document doc = ConvertXHTML("https://twitter.com/?lang=fr");

//Create XPath

XPathFactory xpathfactory = XPathFactory.newInstance();
XPath Inst= xpathfactory.newXPath();
NodeList nodes = (NodeList)Inst.evaluate("//p/@align",doc,XPathConstants.NODESET);
    for (int i = 0; i < nodes.getLength(); ++i) 
   {
            Element e = (Element) nodes.item(i);
            System.out.println(e);
    }

public Document ConvertXHTML(String link){
  try{

      URL u = new URL(link);

     BufferedInputStream instream=new BufferedInputStream(u.openStream());
     FileOutputStream outstream=new FileOutputStream("out.xhtml");

     Tidy c=new Tidy();
     c.setShowWarnings(false);
     c.setInputEncoding("UTF-8");
     c.setOutputEncoding("UTF-8");
     c.setXHTML(true);

     return c.parseDOM(instream,outstream);
     }

它适用于大多数 URL，但这个：

https://twitter.com/?lang=fr

我因此而出现此异常：

javax.xml.transform.TransformerException：索引 -1 越界.....

以下是我得到的堆栈跟踪的一部分：

javax.xml.transform.TransformerException: Index -1 out of bounds for length 128
at java.xml/com.sun.org.apache.xpath.internal.XPath.execute(XPath.java:366)
at java.xml/com.sun.org.apache.xpath.internal.XPath.execute(XPath.java:303)
at java.xml/com.sun.org.apache.xpath.internal.jaxp.XPathImplUtil.eval(XPathImplUtil.java:101)
at java.xml/com.sun.org.apache.xpath.internal.jaxp.XPathExpressionImpl.eval(XPathExpressionImpl.java:80)
at java.xml/com.sun.org.apache.xpath.internal.jaxp.XPathExpressionImpl.evaluate(XPathExpressionImpl.java:89)
at files.ExampleCode.GetThoselinks(ExampleCode.java:50)
at files.ExampleCode.DoSomething(ExampleCode.java:113)
at files.ExampleCode.GetThoselinks(ExampleCode.java:81)
at files.ExampleCode.DoSomething(ExampleCode.java:113)

我不确定问题出在网站转换后的 xhtml 还是其他方面。谁能说出代码中有什么问题？任何编辑都会有所帮助。

java xpath xhtml jtidy

我通常会说，来自 XPath 引擎深处的边界索引异常是 XPath 引擎中的错误。唯一需要注意的是，XPath 引擎正在搜索的 DOM 是否存在结构错误;XPath 处理器有权合理地假设 DOM 是有效的，如果 DOM 无效，则崩溃。在这种情况下，这将是 Tidy 中的一个错误，它创建了 DOM。

我认为我在这个阶段的策略是（a）构建一个包含 Apache XPath 和 Tidy 项目源代码的项目，尝试重现崩溃并调试它，或者（b）切换到替代库，例如 validator.nu 而不是 Tidy、Saxon 或 Jaxen 代替 Apache XPath。您也可以尝试（c）从支持库的人那里获得帮助，但对于 XPath 库，我不会屏住呼吸。

0赞 user3969107 8/25/2021 #2

我在JTidy生成的文档上使用xpath评估时遇到了类似的问题。我通过让JTidy将它生成的DOM序列化为一个文件，然后使用javax.xml.parsers.DocumentBuilder解析该xml文件来获得DOM的第二个版本来解决它。看起来很奇怪，使用第二个避免了越界异常并起作用。使用如下所示的代码：

        DocumentBuilderFactory documentBuilderFactory = DocumentBuilderFactory.newInstance();
        documentBuilderFactory.setNamespaceAware(true);
        // If you don't do the following, it will take a full minute to parse the xml document (presumably the time-out
        // period for trying to load the DTD). See https://stackoverflow.com/questions/6204827/xml-parsing-too-slow.
        documentBuilderFactory.setFeature("http://apache.org/xml/features/nonvalidating/load-external-dtd", false);
        documentBuilder = documentBuilderFactory.newDocumentBuilder();
        Document doc = tidy.parseDOM(input, null);
        FileOutputStream fos = new FileOutputStream("temp.xml");
        tidy.pprint(doc, fos);
        fos.close();
        doc = documentBuilder.parse("temp.xml");

上一个：将 for-each 中的元素 ID 与另一个元素的 ID 匹配

下一个：无法使用 XPath 从标签中提取所需的属性值

在 Java 中计算 XPath 表达式时出现异常

Getting Exception on evaluating an XPath expression in Java

评论

评论