将html转成xhtml
HTML指的是超文本标记语言 (Hyper Text Markup Language)，html不强制要求每个标记都是关闭的，比如img，你可以写成<img src="xxx/yyy.jpg" >。换行符br，可以写成<br>。
但有时，html需要转成其他文档（如doc、pdf）时，需要html是标准的、闭合的html，也就是可扩展的超文本标记语言（XHTML）。这时，需要将html转换为XHTML。
这里介绍两种html转换xhtml的方法。
一、使用JTidy
JTidy是一个html检查/格式化输出/Dom解析工具。
官网：http://jtidy.sourceforge.net/index.html
1、首先你需要下载JTidy，
下载地址：http://mvnrepository.com/artifact/net.sf.jtidy/jtidy/r938
也可以使用基于maven开发，maven依赖：
<!-- https://mvnrepository.com/artifact/net.sf.jtidy/jtidy -->
<dependency>
<groupId>net.sf.jtidy</groupId>
<artifactId>jtidy</artifactId>
<version>r938</version>
</dependency>
2、代码
public class HtmlToXHtmlJtidy {
public static String html2xhtml(String html) {
ByteArrayInputStream stream = new ByteArrayInputStream(html.getBytes());
ByteArrayOutputStream tidyOutStream = new ByteArrayOutputStream();
// 实例化Tidy对象
Tidy tidy = new Tidy();
// 设置输入
tidy.setInputEncoding("utf-8");
// 如果是true 不输出注释，警告和错误信息
tidy.setQuiet(true);
// 设置输出
tidy.setOutputEncoding("utf-8");
// 不显示警告信息
tidy.setShowWarnings(false);
// 缩进适当的标签内容。
tidy.setIndentContent(true);
// 内容缩进
tidy.setSmartIndent(true);
tidy.setIndentAttributes(false);
// // 只输出body内部的内容
// tidy.setPrintBodyOnly(true);
// 多长换行
tidy.setWraplen(1024);
// 输出为xhtml
tidy.setXHTML(true);
// 去掉没用的标签
tidy.setMakeClean(true);
// 清洗word2000的内容
tidy.setWord2000(true);
// 设置错误输出信息
tidy.setErrout(new PrintWriter(System.out));
tidy.parse(stream, tidyOutStream);
return tidyOutStream.toString();
}
public static void main(String[] args) throws Exception {
File file = new File("E:\\mywork\\sample\\html2xhtml\\html2xhtml.html");
FileInputStream input = new FileInputStream(file);
int size = input.available();
byte[] buff = new byte[size];
input.read(buff);
input.close();
String html = new String(buff, "utf-8");
System.out.println("============html===================");
System.out.println(html);
String xhtml = HtmlToXHtmlJtidy.html2xhtml(html);
System.out.println("============xhtml===================");
System.out.println(xhtml);
}
}
3、测试
测试一下效果。
转换前html
<!DOCTYPE html> <html> <head> <meta charset="utf-8" /> <title>html转xhtml测试 </title> <script type="text/javascript" src="jquery-3.2.1.js"></script> </head> <body> <h1>html转xhtml测试</h1> <br> <img src="img/sg2.jpg" > <p>测试如何将html转换成xhtml </body> </html>
其中，黄色背景的都是不标准的标记。
执行后结果：
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta name="generator" content="HTML Tidy for Java (vers. 2009-12-01), see jtidy.sourceforge.net" />
<meta charset="utf-8" />
<title>html转xhtml测试</title>
<script type="text/javascript" src="jquery-3.2.1.js">
//<![CDATA[
//]]>
</script>
</head>
<body>
<h1>html转xhtml测试</h1>
<br />
<img src="img/sg2.jpg" />
<p>测试如何将html转换成xhtml</p>
</body>
</html>其中，三处出错的地方都纠正过来。
二、使用Jsoup
下面再让我们看下一种对应方法。就是使用Jsoup。
jsoup 是一款Java 的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。官网：https://jsoup.org/
1、下载Jsoup。
下载地址
http://mvnrepository.com/artifact/org.jsoup/jsoup/1.10.2
也可以使用基于maven开发，maven依赖：
<!-- https://mvnrepository.com/artifact/org.jsoup/jsoup -->
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.10.2</version>
</dependency>
2、代码
public class HtmlToXHtmlJsoup {
public static String html2xhtml(String html) {
Document doc = Jsoup.parse(html);
doc.outputSettings().syntax(Document.OutputSettings.Syntax.xml).escapeMode(Entities.EscapeMode.xhtml);
return doc.html();
}
public static void main(String[] args) throws Exception {
File file = new File("E:\\mywork\\sample\\html2xhtml\\html2xhtml.html");
FileInputStream input = new FileInputStream(file);
int size = input.available();
byte[] buff = new byte[size];
input.read(buff);
input.close();
String html = new String(buff, "utf-8");
System.out.println("============html===================");
System.out.println(html);
String xhtml = HtmlToXHtmlJsoup.html2xhtml(html);
System.out.println("============xhtml===================");
System.out.println(xhtml);
}
}
3、测试
转换前同上。
转换后：
<!DOCTYPE html> <html> <head> <meta charset="utf-8" /> <title>html转xhtml测试 </title> <script type="text/javascript" src="jquery-3.2.1.js"></script> </head> <body> <h1>html转xhtml测试</h1> <br /> <img src="img/sg2.jpg" /> <p>测试如何将html转换成xhtml </p> </body> </html>
- 上一篇 »EasyUI实现带搜索框的列表页面（一）——前台实现
- 下一篇 »javascript入门，4
