疯狂java


您现在的位置: 疯狂软件 >> 新闻资讯 >> 正文

如何将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 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();

  }

  }