HTML Fragment per SAX einlesen

[Juro]

Hi,
Ich bastle gerade an einem kleinen Programm herum, welches Daten aus einer HTML Seite ausliest und dann per GUI übersichtlich anzeigt.

Da die Daten ziemlich umfangreich sind, habe ich mir gedacht, daß ich das mittels SAX in eine DOM Struktur einlese. Leider habe ich so etwas noch nicht gemacht und stehe wieder einmal an.

In der ersten Phase sollen die Turnierliste von dieser Seite:
http://www.volleynet.at/volleynet/in...te&show_next=1
eingelesen werden. Diese sind in einer Zeile, die mit

<table cellspacing="0" cellpadding="2" border="0" align="center"><tr class="tablehead">

anfängt.

Momentan schaut mein (Teil)Programm so aus:

import java.io.*;
import java.net.*;

import org.apache.html.dom.HTMLDocumentImpl;
import org.cyberneko.html.parsers.*;
import org.w3c.dom.*;
import org.w3c.dom.html.HTMLDocument;
import org.xml.sax.SAXException;
import org.cyberneko.*;

public class Calender {
	public static void main (String args[]) {
		String _calender = "";
		
		try {
			URL _url = new URL("http://www.volleynet.at/volleynet/index.php?screen=Beach/Turnier/Liste&show_next=1");
		
		
			BufferedReader _in = new BufferedReader(new InputStreamReader(_url.openStream()));
			
			String _line;
			
			while ((_line = _in.readLine()) != null) {
				if (_line.contains("tablehead")) {
					_calender = _line;
					break;
				}
			}
			_in.close();
		} catch (MalformedURLException _ex) {
			System.out.println("MalformedURLException!");
		} catch (Exception _ex) {
			System.out.println("Some other Exception");
		}
		
		if (_calender != "") {
			try {
				DOMFragmentParser _fragParser = new DOMFragmentParser();
				_fragParser.setFeature("http://cyberneko.org/features/document-fragment", true);
				HTMLDocument _document = new HTMLDocumentImpl();
				DocumentFragment _fragment = _document.createDocumentFragment();
				_fragParser.parse(_calender, _fragment);
				print(_fragment, "	");
			} catch (SAXException _ex) {
				System.out.println("SAXException while parsing: " + _ex);
			} catch (IOException _ex) {
				System.out.println("IOException while parsing: " + _ex);
			}
		}
	}
	
	public static void print(Node node, String indent) {
        System.out.println(indent+node.getClass().getName());
        Node child = node.getFirstChild();
        while (child != null) {
            print(child, indent+" ");
            child = child.getNextSibling();
        }
    }

Wobei ich diesen Parser http://people.apache.org/~andyc/neko/doc/html/ verwende. Leider geht das nicht, weil das Teil ein komplettes HTML Dokument erwartet (daher das Fragment Teil).

Kann mir einer helfen oder gibt es einen einfacheren Ansatz?

Danke
juro

[jak]

Was spricht dagegen die ganze Seite mit SAX zu parsen?

Generell ist es eher mühsam html mit xml mitteln zu bearbeiten, da sich die Leute meist wenig um XML standards scheren.
Ich würd' probieren aus dem html mit XSLT eine valide XML Datei zu erzeugen und die dann einzulesen.

jak

[Juro]

Danke für Deine Antwort. Ich habe das jetzt mal probiert und stehe leider an

Ich werfe die komplette Seite durch einen BufferedReader um zu dem HTML zu kommen, welche ich brauche und übergebe diesen String dann an den Parser. Nur leider erwartet der einen Link zum XML und nicht den XML-String, daher bekomme ich einen Fehler "no protocol". Wenn ich den gleichen String einlese, funktioniert zumindest das, wenn auch mit einem anderen Fehler (liegt an einem HTML Attribut, welches ein & enthält und das mag XML überhaupt nicht).

Wie kann ich also dem Parser direkt einen XML-String zum Parsen übergeben?