我试图得到一个网站url的干净的表示，所以我可以把'html'放到
里面org.w3c.dom.Document
能够用xpath做进一步的处理，等等。
当我尝试将html放入文档中时，我得到的结果是:
org.xml.sax。SAXParseException:元素类型"link"必须包含" endelement "
意思是"链接"必须关闭，而这个网站不是这样的
那么，这可能是正确的方法吗?我应该"修复"文档并替换错误吗?
我试过net.sourceforge.htmlcleaner，但它没有弄清楚，如何"修复"错误。
有什么帮助吗?
问候,Holger
你可以看看Neko: http://nekohtml.sourceforge.net/
非常适合我
HTML通常不是xml，所以Document不能处理它。您需要一个特殊的库，如JSoup