jTidy 整理 HTML 后不返回任何内容答案

【问题标题】：jTidy returns nothing after tidying HTMLjTidy 整理 HTML 后不返回任何内容
【发布时间】：2012-02-11 17:21:36
【问题描述】：

我在使用 jTidy（在 Android 上）时遇到了一个非常烦人的问题。我发现 jTidy 适用于我测试过的每个 HTML 文档，除了以下内容：

    <!DOCTYPE html>
      <html lang="en">
       <head>
        <meta charset="utf-8" />

         <!-- Always force latest IE rendering engine & Chrome Frame 
              Remove this if you use the .htaccess -->
         <meta http-equiv="X-UA-Compatible" content="IE=edge,chrome=1" />

         <title>templates</title>
         <meta name="description" content="" />
         <meta name="author" content="" />

         <meta name="viewport" content="width=device-width; initial-scale=1.0" />

         <!-- Replace favicon.ico & apple-touch-icon.png in the root of your domain and delete these references -->
      <link rel="shortcut icon" href="/favicon.ico" />
      <link rel="apple-touch-icon" href="/apple-touch-icon.png" />
   </head>

 <body>
   <div>
     <header>
       <h1>Page Heading</h1>
     </header>
     <nav>
       <p><a href="/">Home</a></p>
       <p><a href="/contact">Contact</a></p>
     </nav>

     <div>

     </div>

     <footer>
      <p>&copy; Copyright</p>
     </footer>
   </div>
 </body>
 </html>

但是在整理之后，jTidy 什么都不返回（比如，如果包含整理后的 HTML 的字符串被称为 result，result.equals("") == true）

不过，我注意到一些非常有趣的事情：如果我删除 HTML 正文部分的所有内容，jTidy 就可以完美运行。

jTidy 有什么不喜欢的吗？

这是我正在使用的 Java 代码：

 public String tidy(String sourceHTML) {
   StringReader reader = new StringReader(sourceHTML);

   ByteArrayOutputStream baos = new ByteArrayOutputStream();
   Tidy tidy = new Tidy();
   tidy.setMakeClean(true);
   tidy.setQuiet(false);
   tidy.setIndentContent(true);
   tidy.setSmartIndent(true);

   tidy.parse(reader, baos);

   try {
     return baos.toString(mEncoding);
   } catch (UnsupportedEncodingException e) {
     return null;
   }
 }

我的 Java 有什么问题吗？这是 jTidy 的错误吗？有什么办法可以让 jTidy 不这样做吗？（我无法更改 HTML）。如果这绝对无法解决，还有其他好的 HTML Tidiers 吗？非常感谢！

【问题讨论】：

我找到的唯一解决方案是使用 HTMLCleaner (htmlcleaner.sourceforge.net)，这非常好，如果以上对您有问题，我会推荐它。
我也有同样的问题。该死的，我今天过得很辛苦。首先尝试了 nu.validator，然后是 jcabi-w3c，现在 jtidy 打印到 stderr，我无法捕获输出......我讨厌使用 System.setErr

标签： java android html tidy jtidy

【解决方案1】：

试试这个：

tidy.setForceOutput(true);

可能存在解析错误。

【讨论】：

【解决方案2】：

查看Jsoup，这是我对任何类型的 Java Html 处理的推荐（我使用过 HtmlCleaner，但后来切换到 jsoup）。

用 Jsoup 清理 Html：

final String yourHtml = ...

String output = Jsoup.clean(yourHtml, Whitelist.relaxed());

就是这样！

或者（如果你想改变/删除/解析/...）一些东西：

Document doc = Jsoup.parse(<file/string/website>, null);

String output = doc.toString();

【讨论】：