解析Scala中的HTML元标记

我正试图用Scala解析元标记。我试着只是做这个用XML匹配，就像解析Scala中的HTML元标记

`html // meta ...` etc,

，但我得到一个畸形的XML错误，因为这个特定页面上的这些元标签没有结束标签或... />外壳。

所以以下HTML，

val html = """<meta name="description" content="This is some meta description">"""

我使用正则表达式如下匹配：

val metaDescription = """.*meta name="Description" content="([^"]+)"""".r

我怎样才能得到content内的值，而不是别的？

编辑

我得到了我想要与结果：

metaDescription.findAllIn(html).matchData foreach { 
    desc => println(desc.group(1)) 
}

，但似乎像绕很长的路要走。有更好的解决方案吗？

您应该使用html解析库 –

要重复上述情绪，您应该使用html解析库。 Html在创建自己的正则表达式时非常难以解析，让其他人为您完成工作。这也是SO的规范答案，看看任何有关使用正则表达式解析html的答案，并且您会发现使用解析库会更好。 –

Scala XML and TagSoup提供了一种直接在Scala XML中使用标签汤的方法。

如果你是开放的替代品，然后Scales Xml提供parse html via alternative SAX parsers类似的有用的方法：提供的链接

val html = loadXmlReader(htmlStream, parsers = AlternateSAXFactoryPool)

为Tagsoup和Nu.Validator例如工厂。

2013-01-13 11:48:35 Chris

好吧，我同意不重新发明轮子 - 这些都很棒，谢谢 – JennyDanger

回答