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。
- import java.net.URL;
- import java.io.*;
- import org.w3c.tidy.Tidy;
- public class TestHTML2XML {
- private String url;
- private String outFileName;
- private String errOutFileName;
- public TestHTML2XML(String url, String outFileName, String errOutFileName) {
- this.url = url;
- this.outFileName = outFileName;
- this.errOutFileName = errOutFileName;
- }
- public void convert() {
- URL u;
- BufferedInputStream in;
- FileOutputStream out;
- Tidy tidy = new Tidy();
- // Tell Tidy to convert HTML to XML
- tidy.setXmlOut(true);
- try {
- // Set file for error messages
- tidy.setErrout(new PrintWriter(new FileWriter(errOutFileName), true));
- u = new URL(url);
- // Create input and output streams
- in = new BufferedInputStream(u.openStream());
- out = new FileOutputStream(outFileName);
- // Convert files
- tidy.parse(in, out);
- // Clean up
- in.close();
- out.close();
- } catch (IOException e) {
- System.out.println(this.toString() + e.toString());
- }
- }
- public static void main(String[] args) {
- /*
- * Parameters are: URL of HTML file Filename of output file Filename of
- * error file
- */
- TestHTML2XML t = new TestHTML2XML("http://www.baidu.com",
- "E:\\test.xml", "E:\\error.xml");
- t.convert();
- }
- }