Linux把日志文件转换成xml,[转载]将 HTML 文件转换成 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：

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 。

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(args[0], args[1], args[2]);

t.convert();

}

}