将HTML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 文档转换成 XML。

有关 Java 的最重要的事情是有很多扩展标准库能够作为标准平台的一部分，而且在那些库中有对 XML 提供了很多的支持。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。



其实您有两个选择：

完全由自己来构建一些东西。这一般很痛苦，而且很费时间。
去“社区”看看是否已有人碰到了同样的问题（这种情况很有可能发生），看他是否乐意和您分享他的成果。
对于这个情况，SourceForge 上有一个很有用的小项目，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）”，但是对于您来说，他还允许您将一个 HTML 文档作为输入，然后将其转换成为 XML。JTidy 读取输入文档，然后假如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能够看到，JTidy 的用法相当简单。简单地将 JTidy 实例配置为输出 XML，提供一个输入 URL，输出文档和错误文档，然后启动转换过程就能够了。

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(args[0], args[1], args[2]); t.convert(); } }