先知cd——熱愛生活是一切藝術(shù)的開始
寫下來的都是資源，分享給互聯(lián)網(wǎng)~~均屬原創(chuàng)隨筆。 轉(zhuǎn)載引用請注明作者changedi。 喜歡應(yīng)用研究，熱愛編程，歡迎交流。
今天看了一下JTidy的使用，目的就是為了格式化一個不標(biāo)準(zhǔn)的html到標(biāo)準(zhǔn)的xhtml。
JTidy是一個用java寫的HTML語法檢查器，用JTidy可以檢查并修正語法不正確的html，同時還可以對html的DOM進(jìn)行分析。Xhtml和html有很多不同，其中幾個主要的區(qū)別是：
1. XHTML元素必須被正確的嵌套。
2. XHTML元素必須被關(guān)閉。
3. 標(biāo)簽名必須用小寫字幕。
4. XHTML文檔必須有根元素。
想想這些限制也不無道理，這樣的限制可以將html格式化為格式嚴(yán)謹(jǐn)?shù)?/span>xml。
JTidy的使用也非常簡單，短短的幾行代碼就可以實現(xiàn)從原html到格式化好的xhtml：
其中有幾個問題需要說明一下。理論上，在定義了tidy對象后，調(diào)用tidy.parse(in,out)或者tidy.parseDOM(in,out)就可以完成對輸入的格式化，將其輸出到輸出流上。Parse返回一個Node，而parseDOM返回一個Document。如果直接用InputStream和OutputStream，那么對于編碼的控制上，一般只能在tidy中控制了，而Tidy的內(nèi)置編碼中，簡體中文沒有設(shè)置。用起來不方便。如何實現(xiàn)中文頁面輸入，中文頁面產(chǎn)出是一個問題，網(wǎng)上提出了一種解決方法，通過利用生成一個中間UTF-8文件，在將其轉(zhuǎn)到輸出流上，可以完成中文的輸入。另一種實現(xiàn)就是利用最新的JTidy實現(xiàn)了parse(reader,writer)方法。因為支持reader和writer，所以可以像上面的代碼一樣，在包裝輸入流和輸出流的時候，進(jìn)行編碼的設(shè)定。這樣可以利用很短的代碼完成中文亂碼問題的解決，同時在效率上也要高于生成中間文件的方法。
posted on 2011-04-19 21:33 changedi 閱讀(1973) 評論(0) 編輯 收藏 所屬分類: Java技術(shù)
Powered by: BlogJava Copyright © changedi