将 HTML 文件转换成 XML-JAVA91知识库

将 HTML 文件转换成 XML

转自:互联网

　　在Java专家MichaelGeisler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http://sourceforge.net/projects/jtidy/。

　　JTidy提供HTML语法检查和HTML的“prettyprinting（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。

importjava.net.URL;
importjava.io.*;
importorg.w3c.tidy.Tidy;
publicclassTestHTML2XML{	
	privateStringurl;	
	privateStringoutFileName;	
	privateStringerrOutFileName;	
	publicTestHTML2XML(Stringurl,StringoutFileName,String	errOutFileName){		
		this.url=url;		
		this.outFileName=outFileName;		
		this.errOutFileName=errOutFileName;		
	}	
	publicvoidconvert(){		
		URLu;		
		BufferedInputStream in ;		
		FileOutputStreamout;		
		Tidytidy=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(IOExceptione){			
			System.out.println(this.toString ()+e.toString ());		
		}
	}
	publicstaticvoidmain(String[]args){		
		/* 
		* Parameters are: 
		* URL of HTML file 
		* Filename of output file 
		* Filename of error file 
		*/
		TestHTML2XMLt=new TestHTML2XML(args[0],args[1],args[2]);		
		t.convert();		
	}	
}