我需要解析大约100 kB的HTML数据，这只会导致Android上的巨大性能问题。我已经尝试了内置的XML解析器和JTidy。
内置的XML解析器为我提供了大约半秒的解析时间，我可以很容易地接受。问题是，使用XML解析器解析杂乱的HTML代码不是一个好主意，因为这不是一种选择。(我尝试预处理，但它甚至开始抱怨有效的HTML，所以…)
我搜索了一下，建议使用JTidy在将代码传递给XML解析器之前对其进行清理。这绝对是一场噩梦，使用JTidy进行预处理解析现在大约需要7秒。
所以现在我唯一的选择就是正则表达式。你觉得呢?
这取决于你是否是html的所有者。
如果(据我所知)你不是html数据的所有者，不能影响它的格式，那么你可能会发现这个信息很有用:但是如果html真的很糟糕，结果就不能保证了。您更喜欢使用正则表达式。即使浏览器在处理"坏"html时也会切换到quirks模式，而不能保证正确查看。