测试html代码:
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
<title>Insert title here</title>
<style>
.red{
color:red;
}
</style>
<script>
$(function(){
alert("asdf");
});
</script>
</head>
<body>
<H1>hi,girl</H1>
<br><!-- 缺少结束的 / -->
<input id="username" ><!-- 缺少结束的 / -->
<h1>hi,boy</h1>
<img id="myface" src="\pics\face.png"><!-- 缺少结束的 / -->
<div>
<div>
<h1>where is it</h1>
<!-- 缺少结束div -->
</div>
<!-- 这里是注释 -->
<h2>hi,这是中文</h2>
<p></p>
plz save me
<a href="www.baidu.com\index\news.do"> </a>
<div></div>
</body>
</html>
测试Java源码:
package com.mtea.demo;
import java.io.ByteArrayOutputStream;
import java.io.InputStream;
import java.io.PrintWriter;
import java.io.StringWriter;
import org.w3c.dom.Document;
import org.w3c.tidy.Node;
import org.w3c.tidy.Tidy;
import org.w3c.tidy.TidyMessage;
import org.w3c.tidy.TidyMessageListener;
public class DemoTest1 {
public static void main(String[] args) throws Exception {
//每次需要进行html代码格式化和处理都new出来
Tidy tidy = new Tidy();
//测试资源,与当前类同包
InputStream is = DemoTest1.class.getResourceAsStream("not-pretty.html");
/*
* 配置
*/
//打印配置
//tidy.getConfiguration().printConfigOptions(new PrintWriter(System.out), true);
//读取配置文件
//tidy.setConfigurationFromFile("config.txt");
//tidy.setConfigurationFromProps(null);
//是否缩进
tidy.setIndentContent(true);
//设置输出错误与警告信息
StringWriter stringWriter = new StringWriter();
PrintWriter errorWriter = new PrintWriter(stringWriter);
tidy.setErrout(errorWriter);
//是否XHTML,若是: <br> -> <br/> ; <img src=""> -> <img src=""> ....
tidy.setXHTML(true);
//是否隐藏注释
tidy.setHideComments(true);
//是否br在一行中显示
tidy.setBreakBeforeBR(true);
//不知道是啥
//tidy.setBurstSlides(false);
//是否删除空的<p></p>
tidy.setDropEmptyParas(false);
//是否用p标签包括文字,如测试html的: plz save me
tidy.setEncloseBlockText(false);
//url中的 \ -> /
tidy.setFixBackslash(true);
//属性也换行,真疯狂
tidy.setIndentAttributes(false);
//不知道是啥
//tidy.setJoinStyles(false);
//当有信息则回调,可以获得更多信息
tidy.setMessageListener(new TidyMessageListener(){
@Override
public void messageReceived(TidyMessage message) {
System.out.println("TidyMessageListener info : " + message.getMessage());
}
});
//有中文,没效果
tidy.setOutputEncoding("utf-8");
//是否只有body内容
tidy.setPrintBodyOnly(false);
//移除空元素如:<div></div>
tidy.setTrimEmptyElements(true);
//是否节点结束后另起一行
tidy.setSmartIndent(true);
//是否用em替代i，strong替代b
tidy.setLogicalEmphasis(true);
//是否把大小的标记转换成小写
tidy.setUpperCaseTags(false);
//一行有多长
tidy.setWraplen(1000);
//正确显示中文
tidy.setInputEncoding("utf-8");
/*
* 执行处理
*/
//2次输出
Node node = tidy.parse(is, System.out);
//System.out.println("\n\n\nstringWriter.toString():\n"+stringWriter.toString());
//格式化打印
ByteArrayOutputStream out = new ByteArrayOutputStream();
Document doc = tidy.parseDOM(is, null);
tidy.pprint(doc, out);
String tidied = new String(out.toByteArray());
System.out.println("\n\n tidied: \n" + tidied);
//TODO 不要忘记关闭流
}
}
//过滤器例子: http://jtidy.sourceforge.net/multiproject/jtidyservlet/filter.html
分享到：
相关推荐
"jtidy_jar"标签表明压缩包中包含的是JTidy的JAR文件，这是一个Java的归档文件，包含了JTidy库的所有类和资源，开发者可以直接引入到他们的Java项目中使用。 "tidy"则是JTidy库的别名，tidy命令行工具也是JTidy的一...
JTidy是HTML Tidy(一个HTML语法检查器和优雅的打印编排工具）的Java移植，除了本身具有的清除HTML文件难看或错误内容的功能外，还提供了一个DOM接口，程序员可以将JTidy当作一个处理HTML文件的DOM解析器来使用。
jtidy简单使用 java jtidy xml html
JTidy是一款开源的Java库，专门用于清理和格式化HTML文档，同时也支持将HTML转换为XML格式。...通过深入学习和实践，开发者可以更好地应对各种复杂的HTML文档处理任务，为项目提供更加高效和可靠的解决方案。
本文将详细介绍jtidy的功能、原理以及实际应用，以助你更好地理解和运用这一工具。 jtidy，全称为Java Tidy，是Tidy的一个Java版本。Tidy是由Dave Raggett开发的，最初是为了修复和清理HTML源代码而设计的。它能够...
jtidy-r8-21122004.jar
这个库在r938版本中包含了核心的jar文件（jtidy-r938.jar）、源代码（jtidy-r938-sources.zip）以及API文档（javadoc），使得开发者可以方便地查看和理解其内部工作原理。 首先，我们需要在Java项目中引入JTidy的...
JTidy 是HTML Tidy (一个饭HTML语法检查器和优雅的打印编排工具）的Java移植，除了本身具有的清除HTML文件难看或错误内容的功能外，还提供了一个DOM接口,......
jtidy-r7-20052011.104500-sources.jar
jtidy-r8-20060801,新的
在本项目中，我们主要利用Java技术，结合DOM解析库和JTidy工具处理HTML数据，以及MySQL数据库来构建一个基于本地的简单搜索系统。以下是详细的知识点解释： 1. **HTML到XML转换**： HTML（HyperText Markup ...
XML的解析是其应用的核心部分，而"2jtidy-04aug2000r7-dev.zip"则是一个专门针对XML处理的工具包，包含了JTI（Java Text Interface）和Jtidy这两个关键组件。 JTI，全称为Java Text Interface，是一个用于处理文本...
jtidy-r938.jar,需要调用的包，一些office的转换需要使用
html转换成xml使用的tidy类库,很好用也很简单，
在这种情况下，jsoup和Jtidy这两个Java库就显得尤为重要，它们可以帮助我们将不规范的HTML转换为更标准的XHTML（可扩展超文本标记语言）。 首先，让我们深入了解jsoup。jsoup是一款强大的Java库，设计用于处理现实...
JTidy 是 HTML Tidy 用Java语言实现的版本，提供了一个HTML的语法检查器和很好的打印功能。JTidy可以用来清除格式不好和不对的 HTML。此外，JTidy提供了对整个HTML的DOM分析器。程序员可以将JTidy当作一个处理HTML...
利用Jtidy工具， 将HTML转化成XML，这里给出简单的转换方法。
用java语言实现的tidy，可以对html文档进行规范化处理，得到符合标准的xhtml文档。
【Java理论与实践：用XQuery进行屏幕搜集】这篇文章探讨了如何利用XQuery技术解决智能手机在有限屏幕空间上浏览Web页面的问题。XQuery是一种W3C标准，主要用于从XML文档中提取信息，但它也能应用于HTML的屏幕搜集和...
总的来说，HTML文件解析器是理解和操作HTML文档的关键工具，而JTidy作为其中的一员，提供了丰富的功能和学习价值。通过研究其源码，我们可以深入理解HTML解析的内部机制，提升对Web技术的理解，为开发更高效、更健壮...