在谷歌应用程序脚本中解析 html 的最佳方法是什么

var page = UrlFetchApp.fetch(contestURL);
var doc = XmlService.parse(page);

上面的代码在使用时会出现解析错误，但是如果我用已弃用的 Xml 类替换 XmlService 类，并设置了 lenient 标志，它就会正确解析 html。

var page = UrlFetchApp.fetch(contestURL);
var doc = Xml.parse(page, true);

该问题主要是由于 html 的 javascript 部分中没有 CDATA 引起的，并且解析器抱怨以下错误。

The entity name must immediately follow the '&' in the entity reference.

即使我删除所有<script>(.*?)</script>使用正则表达式，它仍然抱怨，因为<br>标签没有关闭。 有没有一种干净的方法将 html 解析为 DOM 树。

我遇到了同样的问题。我能够通过首先使用已弃用的Xml.parse，因为它仍然有效，然后选择主体 XmlElement，然后将其 Xml 字符串传递到新的XmlService.parse method:

var page = UrlFetchApp.fetch(contestURL);
var doc = Xml.parse(page, true);
var bodyHtml = doc.html.body.toXmlString();
doc = XmlService.parse(bodyHtml);
var root = doc.getRootElement();

注意：如果旧的解决方案可能不起作用Xml.parse已从 Google 脚本中完全删除。