タグをとるのに、SAX

質問

htmlのソースからタグを取り除くのに
saxを使えばよいといわれたのですが、
これってXMLのためのものですよね？
htmlでもできるんですか？
たしかhtml用のクラス？パッケージ？
どちらかわすれましたが、あったような気がする
のですが、
お願いします。

回答No.1

Te-Sho · ベストアンサー

XMLもHTMLもタグ付きテキストですからSAXもしくはDOMでparseすれば属性も要素も取得可能です。
w3cで定義されたタグなのか、独自やDTDで定義されたタグなのかの違いだけです。
パッケージはSUNのページにJAXPがありますのでダウンロードしてclasspathを通してください。
詳しくはJAXPのjavadocを参照してください。

注意としては解析するHTMLのタグは入れ子になっていないとか、ちゃんと閉じられていなければならなかったかと思います。XMLでは必ず閉じる物ですから。ちょっと記憶が定かでないのですが。

あと、やりようによってはXSLでタグを取ることも可能ですね。

お礼

ありがとうございます。

回答No.2

kacchann

＞たしかhtml用のクラス？パッケージ？
＞どちらかわすれましたが、あったような気がする

ParserDelegator

お礼

ありがとうございます。