html转xhtml

最新推荐文章于 2024-09-06 12:16:38 发布

shihengli2010

最新推荐文章于 2024-09-06 12:16:38 发布

阅读量1.9k

点赞数 1

分类专栏： java基础

本文链接：https://blog.csdn.net/shihengli2010/article/details/52483960

版权

java基础专栏收录该内容

10 篇文章 1 订阅

订阅专栏

最近在做一个将html转pdf的功能，网上查找了相关的文档，实现方案是html—xhtml —–xsl-fo—–pdf 分三部生成pdf。
这部分为第一步骤html—xhtml的代码，使用了jtidy.jar（参考了其他博客）

  /** 
     * 利用正则表达式匹配html输入流中的charset信息 
     * @param bin 由于用到了InputStream的mark()、reset()方法
     * 所以需要BufferedInputStream 
     * @return 该html文件的字符编码，如果没找到则返回iso8859-1 
     * @throws IOException 
     */
  public String getEncodingOfStream1(BufferedInputStream bin) throws IOException {  
        byte[] bytes = new byte[1024];  //存放读入的信息，一次读入1024个字节  
        bin.mark(1024); //标记初始位置,设标记失效的最大字节数为1024  
        int len = bin.read(bytes);  
        String encoding;  
        String encoding_tag = "<head>([\\s\\S]*?)<meta([\\s\\S]*?)charset\\s*=(\")?(.*?)\"";   //使用正则表达式匹配charset  
        String detector = new String(bytes, 0, len, "iso8859-1");   //默认用iso8859-1，避免丢失信息  
        Pattern encodingPattern = Pattern.compile(encoding_tag, Pattern.CASE_INSENSITIVE);  
        Matcher m = encodingPattern.matcher(detector);  
        if (m.find()) {    
            encoding = m.group(4);
//            if (encoding.equals("gb2312")) {
//                byte[] gbkBytes = new String(bytes, "gbk").getBytes();
//                return new String(gbkBytes, "utf-8");
//            }else{
                return encoding ;
//            }
        }  
        bin.reset();  
        return "iso8859-1";  
    }

public void doTidy(String f_in) {
        ByteArrayOutputStream tidyOutStream; // 输出流
        try {
            FileInputStream fis = new FileInputStream(f_in);// 读文件

            ByteArrayOutputStream bos = new ByteArrayOutputStream();
            int ch;
            while ((ch = fis.read()) != -1) {
                bos.write(ch);
            }

            fis.close();
            byte[] bs = bos.toByteArray();
            bos.close();

//          String hope_gb2312 = new String(bs, "GB2312");// 注意，默认是GB2312，所以这里先转化成GB2312然后再转化成其他的。
//          byte[] hope_b = hope_gb2312.getBytes();
//          String basil = new String(hope_b, "UTF-8");// 将GB2312转化成UTF-8

            BufferedInputStream bis = new BufferedInputStream(new FileInputStream(new File(f_in)) );
            String unicodeHtml = getEncodingOfStream1(bis);

//          String basil = new String(bs, "UTF-8");
            String basil = new String(bs, unicodeHtml);
            ByteArrayInputStream stream = new ByteArrayInputStream(basil.getBytes());

            tidyOutStream = new ByteArrayOutputStream();
            Tidy tidy = new Tidy();  
            tidy.setInputEncoding("UTF-8");  
            tidy.setQuiet(true);                     
            tidy.setOutputEncoding("UTF-8");            
            tidy.setShowWarnings(false); //不显示警告信息  
            tidy.setIndentContent(true);//  
            tidy.setSmartIndent(true);  
            tidy.setIndentAttributes(false);  
            tidy.setWraplen(1024); //多长换行  
            //输出为xhtml  
            tidy.setXHTML(true);  
             tidy.setErrout(new PrintWriter(System.out));  
            tidy.parse(stream, tidyOutStream); 
            DataOutputStream to = new DataOutputStream(new FileOutputStream("C:\\Users\\Administrator\\Desktop\\abcd.xhtml")); // 将生成的xhtml写入
            tidyOutStream.writeTo(to);
            System.out.println(tidyOutStream.toString());

        } catch (Exception ex) {
            System.out.println(ex.toString());
            ex.printStackTrace();
        }
    }

//测试
public static void main(String args[]) {
        HtmlToXhtml t = new HtmlToXhtml();
        t.doTidy("C:\\Users\\Administrator\\Desktop\\open(1)\\index.html");// 转化开始
    }