Erreurs lié aux whitespace et scripts DOM et Java

**mac&cheese** · 25/02/2011, 17h35

Bonjour à tous,

Je viens chercher un peu d'aide car je m'arrache les cheveux sur 2 problèmes (enfin 1 surtout...).
Je cherche à parser une page web avec DOM et j'obtiens:

l'erreur suivante White spaces are required between publicId and systemId qui semble être provoquée par la 1ère ligne de ma page, à savoir <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN"> (ce n'est pas le plus embêtant car je peux éventuellement la supprimer rapidement car il s'agit de la 1ère ligne donc pas de traitement particulier)
l'erreur Element type "d.length" must be followed by either attribute specifications, ">" or "/>" (liée au script de la page)

Donc ma question est la suivante, comment passer outre les script (mal ou bien écrit) avec DOM? Ou, avez-vous une idée, solution, quelque chose?

Je vous remercie par avance,

Mac&cheese

**thelvin** · 25/02/2011, 18h22

Le HTML 4.01 n'est pas du XML. Essayer ainsi d'imposer la quadrature du cercle ne marchera pas.

(Bon, ceci dit, j'avoue que je ne connais pas de bon parseur HTML. Mais c'est ça qu'il te faut.)

**mac&cheese** · 25/02/2011, 18h37

Tout d'abord merci thelvin.
Je pensais que le HTML était du XML et donc que l'on pouvait le parser. Si j'ai bien compris, je dois utiliser un parseur HTML? En as-tu un à me conseiller?

M&C

**thelvin** · 25/02/2011, 18h43

Envoyé par mac&cheese

Je pensais que le HTML était du XML

Uniquement le XHTML.
Et encore, du vrai XHTML bien formé, oui, mais en pratique le XHTML qu'on trouve dans la nature est rarement bien formé. Les navigateurs l'acceptent parce qu'ils font comme si c'était du HTML classique.

et donc que l'on pouvait le parser.

Bien sûr qu'on peut. On n'a pas le choix, d'ailleurs. Mais pas avec un parseur XML

.

Si j'ai bien compris, je dois utiliser un parseur HTML?

Yup.

En as-tu un à me conseiller?

Hélas non, je ne m'y connais pas. J'ai entendu parler de HTMLParser, mais j'ignore ce que ça vaut.