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();
}
}