Ttidy Html转Xml

import org.w3c.tidy.Tidy;

import java.io.*;

import java.net.URL;

public class HtmlToXML {

private String url;

private String outFileName;

private String errOutFileName;

public HtmlToXML(String url, String outFileName, String errOutFileName) {

this.url = url; //目标页面地址

this.outFileName = outFileName; //输出文件的地址和名称

this.errOutFileName = errOutFileName; //输出错误文件的地址和名称

}

public void convert() {

URL u;

BufferedInputStream in;

FileOutputStream out;

Tidy tidy = new Tidy();

tidy.setXmlOut(true);

tidy.setXmlPi(true);   //添加 <?xml?> 标签 为输出的 XML 文件， 这些参数是可选的。

tidy.setXmlSpace(true);

tidy.setCharEncoding(Configuration.ISO2022); //这个很重要，如果没有它，就会出现中文乱码

/*

我看了一下源码，上面对charEncoding是这样规定的

/* character encodings */

public static final int RAW         = 0;

public static final int ASCII       = 1;

public static final int LATIN1      = 2;

public static final int UTF8        = 3;

public static final int ISO2022     = 4;

public static final int MACROMAN    = 5;

*/

try {

//错误文件的输入地址和名称

tidy.setErrout(new PrintWriter(new FileWriter(errOutFileName), true));

u = new URL(url);

//建立输入和输出文件

in = new BufferedInputStream(u.openStream());

out = new FileOutputStream(outFileName);

//文件转换

tidy.parse(in, out);

//资源释放

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

*/

HtmlToXML t = new HtmlToXML(“http://www.baidu.com”, “c:/jtidy.htm”, “c:/jtidyError.htm”);

t.convert();

}

}

大概看了一下 JTidy 的 API 文档，里面还是有许多内容的，这里的这个例子只是入门，对于真正的 JTidy 使用还有许多路走，有时间大家可以看一下 JTidy 的API文档

-------------------------------------

看了一下JTidy的api文档，现在网友的一些Tidy的方法明细列出来，供参考使用，漏掉的方法可以参考API文档。

public void setIndentContent(boolean IndentContent)  是否使用缩进

public void setSmartIndent(boolean SmartIndent)  节点结束后，是否另起一行

public void setQuoteMarks(boolean QuoteMarks)  用 "替换 "

public void setQuoteNbsp(boolean QuoteNbsp)

public Document parseDOM(java.io.InputStream in,java.io.OutputStream out)  转换为DOM对象

setAltText(java.lang.String altText)

加上默认的alt属性值

setBreakBeforeBR(boolean breakBeforeBR)

在换行
之前加一空行

setCharEncoding(int charencoding)

已废弃

setConfigurationFromFile(java.lang.String filename)

从文件中读取配置信息

setConfigurationFromProps(java.util.Properties props)

从properties中读取配置信息

setErrfile(java.lang.String errfile)

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数前端工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Web前端开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新！

如果你觉得这些内容对你有帮助，可以扫码获取！！（资料价值较高，非无偿）

最后

javascript是前端必要掌握的真正算得上是编程语言的语言，学会灵活运用javascript，将对以后学习工作有非常大的帮助。掌握它最重要的首先是学习好基础知识，而后通过不断的实战来提升我们的编程技巧和逻辑思维。这一块学习是持续的，直到我们真正掌握它并且能够灵活运用它。如果最开始学习一两遍之后，发现暂时没有提升的空间，我们可以暂时放一放。继续下面的学习，javascript贯穿我们前端工作中，在之后的学习实现里也会遇到和锻炼到。真正学习起来并不难理解，关键是灵活运用。

资料领取方式：点击这里获取前端全套学习资料

script贯穿我们前端工作中，在之后的学习实现里也会遇到和锻炼到。真正学习起来并不难理解，关键是灵活运用。

资料领取方式：点击这里获取前端全套学习资料

[外链图片转存中…(img-lC7wC22z-1711724397331)]

[外链图片转存中…(img-y5xQZELs-1711724397331)]