将html转成xhtml

最新推荐文章于 2023-01-01 09:40:42 发布

weixin_34395205

最新推荐文章于 2023-01-01 09:40:42 发布

阅读量337

点赞数

文章标签： xhtml java javascript ViewUI

原文链接：http://www.cnblogs.com/ncyhl/p/7868789.html

版权

HTML指的是超文本标记语言 (Hyper Text Markup Language)，html不强制要求每个标记都是关闭的，比如img，你可以写成<img src="xxx/yyy.jpg" >。换行符br，可以写成<br>。

但有时，html需要转成其他文档（如doc、pdf）时，需要html是标准的、闭合的html，也就是可扩展的超文本标记语言（XHTML）。这时，需要将html转换为XHTML。

这里介绍两种html转换xhtml的方法。

一、使用JTidy

JTidy是一个html检查/格式化输出/Dom解析工具。

官网：http://jtidy.sourceforge.net/index.html

1、首先你需要下载JTidy，

下载地址：http://mvnrepository.com/artifact/net.sf.jtidy/jtidy/r938

也可以使用基于maven开发，maven依赖：

<!-- https://mvnrepository.com/artifact/net.sf.jtidy/jtidy -->
<dependency>
    <groupId>net.sf.jtidy</groupId>
    <artifactId>jtidy</artifactId>
    <version>r938</version>
</dependency>

2、代码

public class HtmlToXHtmlJtidy {

    public static String html2xhtml(String html) {
        ByteArrayInputStream stream = new ByteArrayInputStream(html.getBytes());

        ByteArrayOutputStream tidyOutStream = new ByteArrayOutputStream();
        // 实例化Tidy对象
        Tidy tidy = new Tidy();
        // 设置输入
        tidy.setInputEncoding("utf-8");
        // 如果是true 不输出注释，警告和错误信息
        tidy.setQuiet(true);
        // 设置输出
        tidy.setOutputEncoding("utf-8");
        // 不显示警告信息
        tidy.setShowWarnings(false);
        // 缩进适当的标签内容。
        tidy.setIndentContent(true);
        // 内容缩进
        tidy.setSmartIndent(true);
        tidy.setIndentAttributes(false);
//        // 只输出body内部的内容
//        tidy.setPrintBodyOnly(true);
        // 多长换行
        tidy.setWraplen(1024);
        // 输出为xhtml
        tidy.setXHTML(true);
        // 去掉没用的标签
        tidy.setMakeClean(true);
        // 清洗word2000的内容
        tidy.setWord2000(true);
        // 设置错误输出信息
        tidy.setErrout(new PrintWriter(System.out));
        tidy.parse(stream, tidyOutStream);
        return tidyOutStream.toString();
    }

    public static void main(String[] args) throws Exception {
        File file = new File("E:\\mywork\\sample\\html2xhtml\\html2xhtml.html");
        FileInputStream input = new FileInputStream(file);
        int size = input.available();
        byte[] buff = new byte[size];
        input.read(buff);
        input.close();
        String html = new String(buff, "utf-8");
        System.out.println("============html===================");
        System.out.println(html);
        String xhtml = HtmlToXHtmlJtidy.html2xhtml(html);
        System.out.println("============xhtml===================");
        System.out.println(xhtml);
    }

}

3、测试

测试一下效果。

转换前html

<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8" />
<title>html转xhtml测试 </title>
<script type="text/javascript" src="jquery-3.2.1.js"></script>
</head>
<body>
<h1>html转xhtml测试</h1>
<br>
<img src="img/sg2.jpg" style="max-width:200px;">
<p>测试如何将html转换成xhtml

</body>
</html>

其中，黄色背景的都是不标准的标记。

执行后结果：

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">

<html xmlns="http://www.w3.org/1999/xhtml">
  <head>
    <meta name="generator" content="HTML Tidy for Java (vers. 2009-12-01), see jtidy.sourceforge.net" />
    <meta charset="utf-8" />

    <title>html转xhtml测试</title>
<script type="text/javascript" src="jquery-3.2.1.js">
//<![CDATA[
//]]>
</script>
  </head>

  <body>
    <h1>html转xhtml测试</h1>
    <br />
    <img src="img/sg2.jpg" style="max-width:200px;" /> 

    <p>测试如何将html转换成xhtml</p>
  </body>
</html>

其中，三处出错的地方都纠正过来。

二、使用Jsoup

下面再让我们看下一种对应方法。就是使用Jsoup。

jsoup 是一款Java 的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。官网：https://jsoup.org/

1、下载Jsoup。

下载地址

http://mvnrepository.com/artifact/org.jsoup/jsoup/1.10.2

也可以使用基于maven开发，maven依赖：

<!-- https://mvnrepository.com/artifact/org.jsoup/jsoup -->
<dependency>
    <groupId>org.jsoup</groupId>
    <artifactId>jsoup</artifactId>
    <version>1.10.2</version>
</dependency>

2、代码

public class HtmlToXHtmlJsoup {

    public static String html2xhtml(String html) {
        
        Document doc = Jsoup.parse(html);
        doc.outputSettings().syntax(Document.OutputSettings.Syntax.xml).escapeMode(Entities.EscapeMode.xhtml);
       
        return doc.html();
    }

    public static void main(String[] args) throws Exception {
        File file = new File("E:\\mywork\\sample\\html2xhtml\\html2xhtml.html");
        FileInputStream input = new FileInputStream(file);
        int size = input.available();
        byte[] buff = new byte[size];
        input.read(buff);
        input.close();
        String html = new String(buff, "utf-8");
        System.out.println("============html===================");
        System.out.println(html);
        String xhtml = HtmlToXHtmlJsoup.html2xhtml(html);
        System.out.println("============xhtml===================");
        System.out.println(xhtml);
    }

}

3、测试

转换前同上。

转换后：

<!DOCTYPE html>
<html>
 <head> 
  <meta charset="utf-8" /> 
  <title>html转xhtml测试 </title> 
  <script type="text/javascript" src="jquery-3.2.1.js"></script> 
 </head> 
 <body> 
  <h1>html转xhtml测试</h1> 
  <br /> 
  <img src="img/sg2.jpg" style="max-width:200px;" /> 
  <p>测试如何将html转换成xhtml  </p>
 </body>
</html>

转载于:https://www.cnblogs.com/ncyhl/p/7868789.html

weixin_34395205

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
将html转成xhtml

HTML指的是超文本标记语言 (HyperTextMarkupLanguage)，html不强制要求每个标记都是关闭的，比如img，你可以写成<img src="xxx/yyy.jpg" >。换行符br，可以写成<br>。但有时，html需要转成其他文档（如doc、pdf）时，需要html是标准的、闭合的html，也就是可扩展的超文本标记语言（XHTML）。这时，...
复制链接

扫一扫