使用java将html转换为xml [重复]答案

【问题标题】：Convert html to xml using java [duplicate]使用java将html转换为xml [重复]
【发布时间】：2013-10-29 16:06:46
【问题描述】：

任何人都可以建议我使用 java 将 html 转换为 xml 的最佳方法吗有没有可用的API？ html 也可能包含 javascript 代码

我试过下面的代码：

import java.io.BufferedInputStream;
import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.DataInputStream;
import java.io.FileOutputStream;
import java.io.FileReader;
import java.io.FileWriter;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.net.URL;
import java.net.URLConnection;
import org.jdom.JDOMException;
import org.jdom.input.SAXBuilder;
import org.jdom.output.XMLOutputter;
import java.io.IOException;

class HTML2XML {
    public static void main(String args[]) throws JDOMException {
    InputStream isInHtml = null;
    URL url = null;
    URLConnection connection = null;
    DataInputStream disInHtml = null;
    FileOutputStream fosOutHtml = null;
    FileWriter fwOutXml = null;
    FileReader frInHtml = null;
    BufferedWriter bwOutXml = null;
    BufferedReader brInHtml = null;
    try {
        // url = new URL("www.climb.co.jp");
        // connection = url.openConnection();
        // isInHtml = connection.getInputStream();

        frInHtml = new FileReader("D:\\Second.html");
        brInHtml = new BufferedReader(frInHtml);
        SAXBuilder saxBuilder = new SAXBuilder(
                "org.ccil.cowan.tagsoup.Parser", false);
        org.jdom.Document jdomDocument = saxBuilder.build(brInHtml);

        XMLOutputter outputter = new XMLOutputter();
        org.jdom.output.Format newFormat = outputter.getFormat();
        String encoding = "iso-8859-2";
        newFormat.setEncoding(encoding);
        outputter.setFormat(newFormat);

        try {
            outputter.output(jdomDocument, System.out);
            fwOutXml = new FileWriter("D:\\Second.xml");
            bwOutXml = new BufferedWriter(fwOutXml);
            outputter.output(jdomDocument, bwOutXml);
            System.out.flush();
        } catch (IOException e) {
        }

    } catch (IOException e) {
    } finally {
        System.out.flush();
        try {
            isInHtml.close();
            disInHtml.close();
            fosOutHtml.flush();
            fosOutHtml.getFD().sync();
            fosOutHtml.close();
            fwOutXml.flush();
            fwOutXml.close();
            bwOutXml.close();
        } catch (Exception w) {

        }
    }
}
}

但它没有按预期工作

【问题讨论】：

你的意思是 XHTML 吗？那么这段 Javascript 代码呢，你想用它做什么？
我必须将普通的html文件转换为xml
您需要将它们转换为 XHTML吗？ XHTML 是 HTML 的 XML 表示。 'Just' XML 可以是任何东西。
你试过jtidy.sourceforge.net吗？
否则您可以将整个 HTML 文档嵌入到单个 XML 元素中，正如 in this question 所证明的那样。这可能不是您想要的，但我们需要更多信息。

标签： java html xml jtidy

【解决方案1】：

试试jTidy

JTidy 可用作清理格式错误和有缺陷的 HTML 的工具

【讨论】：

【解决方案2】：

如果您想解析 html 而不是将 html 转换为 xml，您可以使用 html 解析器。 http://www.mkyong.com/java/jsoup-html-parser-hello-world-examples/ http://htmlparser.sourceforge.net/javadoc/doc-files/using.html 希望对你有帮助。

【讨论】：

【解决方案3】：

HTML 与 XML 不同，除非它在 XML 模式下符合 XHTML 或 HTML5。

建议使用 HTML 解析器来读取 HTML 并将其转换为 XML - 或直接处理它。

【讨论】：