渐行渐近

首先将源网页用UTF-8重新编码放到一个新的文件，还要注意加上： tidy.setInputEncoding("UTF-8");才能正确显示源代码如下：  import java.net.URL;import java.util.logging.Level;import java.util.logging.Logger;import java.io.*;

转自：http://hedong.3322.org/archives/000252.htmlJTidy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。一、下载及编译jtidy是个sourceforge的开源项目，

这篇技巧文章示范了如何用一种简单的开放源代码工具 HTML Tidy，将 HTML 文档转换成 XML（更确切地说是 XHTML）。这种转换对于要将网站迁移到 XML 上去的网管来说是很有用的。同时那些需要与以前的 HTML 工具交互的 XML 转换工具也能从中获益。当网管们要将网站从单纯的 HTML 转换到 XML/XSL 上的时候，需要面临的挑战之一就是如何保留原有的 Web 站点。因

JTidy转换html到xml方法一：现无法解决乱码package spide;import java.io.PrintWriter;import java.io.FileInputStream;import java.io.IOException;import org.w3c.dom.Attr;import org.w3c.dom.Document;impor

import java.net.URL;import java.io.*;import org.w3c.tidy.Tidy; public class xml {private String url; private String outFileName; private String errOutFileName; public xml(String url,

最近要从网页中提取信息，想先把html转换成标准的xml格式，然后方便使用dom4j进行后续的分析，试用了不少现成的类库，JTidy、NekoHTML、HTML Parser、Jericho，最后还是使用了JTidy。只是r8 snapshot还只是一个nightly builds，前面的r7版更已经是4年前的事了，这个项目就这样荒废了？可能是参与的人太少又或者是觉得已经成熟？JTid

在 Java 专家 Michael Geisler 为 Builder 澳大利亚写的第一篇文章中，他向读者展示了如何使用 JTidy 将 HTML 文档转换成 XML。有关 Java 的最重要的事情是有很多扩展标准库能够作为标准平台的一部分，而且在那些库中有对 XML 提供了很多的支持。然而对于某些特定的需要，在标准库中可能没有直接的支持。其实您有两个选择：完全由自己来构建一些东西。这一般很痛苦，

Tidy 是 W3C 用来解析网页的一个软件包，可以方便地将 HTML 文档转换为符合 XML 标准的文档，由于 XML 可以方便地使用 XSLT 技术对内容进行抽取，所以使用 Tidy 配合 XSLT 可以方便地将各种网页的内容抽取出来，保存成我们需要的格式。通过 JTidy 可以方便地将标准的 HTML 网页转换为 XML 的 DOM 对象，然后，通过 XPaht 和 XSLT 将需要的内