Java Java SAXParser, "Leerzeichen erforderlich"

[fritz222]

Hallo zusammen,

Ich möchte ein HTML-File von einer Webseite im Internet mit dem SAX-Parser durchgucken. Ich krieg jedoch diesen Fehler:

- org.xml.sax.SAXParseException: Zwischen publicId und systemId sind Leerzeichen erforderlich.

Soweit ich mich bisher schlau gemacht habe liegt dies am HTML-File, ist das so? Wenn ja, kann ich den Parser irgendwie so konfigurieren, dass er diese Überprüfung der System-ID nicht macht?

Herzlichen Dank für eure Hilfe.
MfG fritz222

 

[riDDi]

Wie das Package org.xml.sax.SAXParseException schon verrät ist das ein XML-Parser. Damit kann nur XHTML geparst werden. Für normales HTML braucht man einen anderen HTML-Parser.

 

[redeye86]

Oder du benutzt den htmlcleaner, dass räumt das HTML so auf, dass es auch durch den XML Parser geht:

http://htmlcleaner.sourceforge.net/doc/org/htmlcleaner/package-summary.html

 

[Rossie]

Du könntest probieren, die Validierung auszuschalten. Wobei es wie bereits gesagt, sinnvoller sein sollte für HTML einen HTML-Parser zu verwenden. Je nach Webseite wirst Du mit einem XML-Parser kein Glück haben.

SAX-Parser gibt es übrigens viele...

 

[fritz222]

Lol. Da hät ich ja gleich drauf kommen können, dass es ein HTML-Parser gibt.

Herzlichen Dank für den Tipp.

Gruss fritz222