将 HTML 文件转换成 XML

在 Java 专家 Michael Geisler 为 Builder 澳大利亚写的第一篇文章中，他向读者展示了如何使用 JTidy 将 HTML 文件转换成 XML。 

有关 Java 的最重要的事情是有很多扩展标准库可以作为标准平台的一部分，而且在那些库中有对 XML 提供了非常多的支持。然而对于某些特定的需要，在标准库中可能没有直接的支持。 

其实你有两个选择： 

1.完全由自己来构建一些东西。这一般很痛苦，而且很费时间。 

2.去“社区”看看是否已经有人遇到了同样的问题（这种情况非常有可能发生），看他是否乐意与你分享他的成果。 
对于这个情况，SourceForge 上有一个非常有用的小项目，叫做 JTidy。JTidy 的Web 站点位于 http://sourceforge.net/projects/jtidy/。 

JTidy 提供 HTML 语法检查和 HTML 的“pretty printing（漂亮打印）”，但是对于你来说，它还允许你将一个 HTML 文件作为输入，然后将其转换成为 XML。JTidy 读取输入文件，然后如果发现有任何不匹配或遗漏的闭合标记，将纠正这些标记，最后输出一个格式良好的 XML 文档。 

从下面的示例代码中可以看到，JTidy 的用法相当简单。简单地将 JTidy 实例设置为输出 XML，提供一个输入 URL，输出文件和错误文件，然后启动转换过程就可以了。 

Java代码  

1. import java.net.URL;  
2. import java.io.*;  
3. import org.w3c.tidy.Tidy;  
4.   
5. public class TestHTML2XML {  
6.     private String url;  
7.     private String outFileName;  
8.     private String errOutFileName;  
9.   
10.     public TestHTML2XML(String url, String outFileName, String errOutFileName) {  
11.         this.url = url;  
12.         this.outFileName = outFileName;  
13.         this.errOutFileName = errOutFileName;  
14.     }  
15.   
16.     public void convert() {  
17.         URL u;  
18.         BufferedInputStream in;  
19.         FileOutputStream out;  
20.   
21.         Tidy tidy = new Tidy();  
22.   
23.         // Tell Tidy to convert HTML to XML  
24.         tidy.setXmlOut(true);  
25.   
26.         try {  
27.             // Set file for error messages  
28.             tidy.setErrout(new PrintWriter(new FileWriter(errOutFileName), true));  
29.             u = new URL(url);  
30.   
31.             // Create input and output streams  
32.             in = new BufferedInputStream(u.openStream());  
33.             out = new FileOutputStream(outFileName);  
34.   
35.             // Convert files  
36.             tidy.parse(in, out);  
37.   
38.             // Clean up  
39.             in.close();  
40.             out.close();  
41.   
42.         } catch (IOException e) {  
43.             System.out.println(this.toString() + e.toString());  
44.         }  
45.     }  
46.   
47.     public static void main(String[] args) {  
48.         /* 
49.          * Parameters are: URL of HTML file Filename of output file Filename of 
50.          * error file 
51.          */  
52.         TestHTML2XML t = new TestHTML2XML("http://www.baidu.com",  
53.                 "E:\\test.xml", "E:\\error.xml");  
54.         t.convert();  
55.     }  
56. }