jtidy使用.doc

? 查看文章 ? JTidy的使用 2008-06-16 10:46 jTidy是一个可以将html文件转换为xml（准确说是xHTML文件）的一个开源工具，因为以后可能会将当前的页面进行转换，如转换为pdf，转换为doc等，很多是通过xml文件来转换的，所以这里看了一些jTidy的使用方法。jTidy的官方地址是/ ，先看看官方是怎么描述jTidy的吧。Jtidy是HTML Tidy的一部分，一个HTML语法检查器，并且可以输出漂亮的格式。jtidy可以用来作为一种工具来清理恶意的和错误的HTML。另外，JTidy为需要处理的文档提供了一个DOM接口，JTidy作为一个DOM解析器，可以有效的为你解析现实世界的HTML文件。JTidy由Andy Quick编写，现在jtidy由一批志愿人员维持。大家点击”下栽“链接，系统会链接到sourceforge站点，这时大家会发现一个惊奇的事情，JTidy目前的最新版本分布时间为：2001-08-01 08:19天呀，难道JTidy的开发人员绝对这个东东已经非常完美了，还是大家已经做鸟兽散了？这个先不管，先看看怎么使用再说吧。还是通过例子最好：引入jTidy的jar包，建立工程，如图：  现在把 HtmlToXML.java 的代码粘贴出来，大家结合注释，一看就明白package com.css;import org.w3c.tidy.Tidy;import java.io.*;import .URL;/*** Created by IntelliJ IDEA.* User: liuzhy* Date: 2008-6-13* Time: 11:20:58* To change this template use File | Settings | File Templates*/public class HtmlToXML {??? private String url;??? private String outFileName;??? private String errOutFileName;??? public HtmlToXML(String url, String outFileName, String errOutFileName) {??????? this.url = url; //目标页面地址??????? this.outFileName = outFileName; //输出文件的地址和名称??????? this.errOutFileName = errOutFileName; //输出错误文件的地址和名称??? }??? public void convert() {??????? URL u;??????? BufferedInputStream in;??????? FileOutputStream out;??????? Tidy tidy = new Tidy();??????? tidy.setXmlOut(true); ??????? tidy.setXmlPi(true);?? //添加 ?xml? 标签 为输出的 XML 文件， 这些参数是可选的。??????? tidy.setXmlSpace(true);??????? tidy.setCharEncoding(Configuration.ISO2022); //这个很重要，如果没有它，就会出现中文乱码/*我看了一下源码，上面对charEncoding是这样规定的??? /* character encodings */??? public static final int RAW???????? = 0;??? public static final int ASCII?????? = 1;??? public static final int LATIN1????? = 2;??? public static final int UTF8??????? = 3;??? public static final int ISO2022???? = 4;??? public static final int MACROMAN??? = 5;*/??????? try {//错误文件的输入地址和名称??????????? tidy.setErrout(new PrintWriter(new FileWriter(errOutFileName), true));??????????? u = new URL(url);//建立输入和输出文件??????????? i