关于JTidy整洁网页一个常见问题

关于JTidy整洁网页一个常见问题

问题：

笔者最近用SAX来做一些网页的信息提取和挖掘用到了整洁工具JTidy，但是SAX在解析整洁后的网页时遇到一个问题，文档格式数据不正确，笔者看出错的行，都是标签的换行导致的。SAX解析时候 ‘<’ 后面不能跟换行符。那么这个问题怎么解决呢？

解决：

通过查看JTidy的配置文档，试了几种方法比如<BR>标签单独占用一行，标签属性单独占用一行等。这些都行不通。最后找到了解决方案，设置属性里面有个tidy.setWraplen()，这是换行的条件，当读XML文件时设置多长的字符集便换行，此时设置为0表明不换行。