将Html转化为Xml

使用包org.w3c.tidy.Tidy的Tidy的parse方法转化Html和Xml。

下载包并解压（下载地址https://sourceforge.net/projects/jtidy/）

把jar包引入项目：过程是这样的

右击项目名   Build  Path --->Configure  Build Path--->Libraries--->Add Exter JARS...(找到所需的jar就OK了)

源码示例：

import java.io.BufferedInputStream;
import java.io.FileOutputStream;
import java.io.FileWriter;
import java.io.IOException;
import java.io.PrintWriter;
import java.net.URL;

import org.w3c.tidy.Tidy;
public class HTML2XML {
	private String url;
	private String outFileName;
	private String errOutFileName;
	
	
	public HTML2XML(String url, String outFileName, String errOutFileName) {
		super();
		this.url = url;
		this.outFileName = outFileName;
		this.errOutFileName = errOutFileName;
	}


	public static void main(String [] args) {
		String weburl = "https://www.baidu.com/";
		String fileurl = "c:\\temp\\html2xml.xml";
		String errurl = "c:\\temp\\error.txt";
		System.out.println("the program is running");
		HTML2XML t = new HTML2XML(weburl,fileurl,errurl);
		t.convert();
		System.out.println("running is end");
	}


	private void convert() {
		URL u; //需要导URL包
		/*需要在读取文件的同时做其他操作，使用缓冲流*/
		BufferedInputStream in;	//BufferedInputStream:处理流(高级流)，缓冲输入流
		FileOutputStream out;
		Tidy tidy = new Tidy();
		
		tidy.setXmlOut(true);
		try {
			//将错误文件保存到文件中
			tidy.setErrout(new PrintWriter(new FileWriter(errOutFileName),true));
			u = new URL(url);
			//创建一个输入输出流
			in = new BufferedInputStream(u.openStream());
			out = new FileOutputStream(outFileName);
			//转换文件
			tidy.parse(in, out);
			in.close();
			out.close();
		} catch (IOException e) {
			System.out.println(this.toString()+e.toString());
		}
	}
}

重新复习了一下BufferedInputStream，发现一个回答很棒、很通俗易懂。链接bufferedInputStream。

问：我看到您的回答：“你也看到了，在FileInputStream里有一个说明是说此方法将阻塞，意思就是说在你读一个文件输入流的时候，当读到某个位置的时候，如果做一些其他处理（比如说接受一部分字节做一些处理等等）这个时候输入流在什么位置就是什么位置，不会继续往下读，而BufferedInputStream虽然也有一个read方法，但是从名字就可以看出，它带有一个缓冲区，它是一个非阻塞的方法，在你读到某个位置的时候，做一些处理的时候，输入流可能还会继续读入字节，这样就达到了缓冲的效果。
对于性能要求不高的时候，用哪个都无所谓，但是如果有性能要求，建议你还是用BufferedInputStream。”
能不能举个例子呢？

答：我觉得您可能是不太了解“堵塞”的意思吧！
假设一个文件的长度是100个字节，要将之读取到内存中，再假设您每次只读取10个字节，那么读完整个文件是不是读取10次的呀？
假设老板让你完成100件事情，老板说，你每天只完成10件就可以了，难道你非得等到第十天才完成第100件事情吗？有一天您在中午下班前就完成了10件事情，下午您不妨多干一点，那么也许在第9天的时候就完成了100件事情。
同理，BufferedInputStream有可能会读取比您规定的更多的东西到内存，以减少访问IO的次数，
总之您要记住一句话，访问IO的次数越少，性能就越高，原因就在于CPU和内存的速度》》》》远大于硬盘或其他外部设备的速度。
换一个不太恰当的例子来说，您和您的朋友一起去登山，你朋友太不给力了，走一会儿就要休息，而您呢，您的体力比他要好的多，根本不需要休息，所以每当他休息的时候，您得等着他，您那时候什么也干不了，这就叫堵塞，堵塞就是说您有能力干某事，但是迫于某种原因您什么也干不了，只能干等。所以您朋友休息的次数越少，你们两个到达山顶所花费的时间就越少。CPU访问硬盘的次数越少，程序就越快。BufferedInputStream在小型文件中的性能优势无法体现出来，假设您将以个2G大小的文件从D盘完全复制到E盘，性能之优势便展露无疑！

问：首先 谢谢您耐心的讲解。让我更深刻的了解了阻塞的概念。
但是我想了解的是，您说的这个BufferedInputStream在大型文件中的应用。如何应用。能不能以代码的形式 举个例子？
我想看看如何将2G大小的文件从D盘完全复制到E盘的 这种代码。

不知道能否给与帮助 谢谢

答：import java.io.*;
public class SS {
	public static void main(String[] args) throws Exception {
		File f = new File("d:\\大型数据库文件.mdf");	
		FileInputStream fis = new FileInputStream(f);
		//如果下面的语句使用BufferedOutputStream来修饰则带来更好的性能现。
		FileOutputStream fos = new FileOutputStream("e:\\" + f.getName());	
		int length = 0;
		byte[] b = new byte[1024];
		while((length = fis.read(b)) != -1)
		{
			fos.write(b, 0, length);
		}
		fos.close();
		fis.close();
	}
}