NekoHtmlでHIERARCHY_REQUEST_ERR - 人類みんなごくつぶし

NekoHtmlでXHTMLをパースしたときにDocument#getDocumentElement()でHIERARCHY_REQUEST_ERRというエラーになることがある。

htmlのnamespaceまわりの問題らしい

xhtmlでは宣言で、

<html xmlns="http://www.w3.org/1999/xhtml">

と書いているが、NekoHtmlがそれをデフォルトネームスペースと見なさず、なんか子要素とかのパースで失敗するような感じ(ゆるいHTMLをうまいことパースするためのトレードオフ？イマイチよくわかってないが)。

対処としては、XHTML文書を

<html xmlns:html="http://www.w3.org/1999/xhtml">

と書き換えると動くようだ。
あるいはパーサーの設定で

parser.setFeature("http://xml.org/sax/features/namespaces", false);

とかとするとよいみたい(複数のnamespaceで凝ったつくりにしてるページだとちゃんと読めないかもしれんけど)。

あるいは、XHTMLってもともとXMLなんだから、NekoHtmlを使わず、そのままXMLとしてパースすればいいじゃんとも思った。でも、XHTMLって書いてても、書いてるだけで、XML宣言もなけりゃ、コメントもインチキだったりして、うまく読めないこともある。