使用Java中的Jericho HTML解析器检索格式良好的HTML

Question

我看过jTidy将一段错误的/现实世界的HTML转换为格式良好的HTML / XHTML。但是，最新版本中存在一个错误，因为我无法使用它。我正在看杰里科，因为它在网上有很多积极的评论。

然而，对我来说，如何实现一个像以下方法的方法并不是很明显：

public String getValidHTML(String messedUpHTML)

例如，如果传递<div>bar，则会返回<div>bar</div>

任何指针都会有所帮助。

提前致谢！

Answer 1

Jericho's HTMLSanitiser sample可能是一个好的开始。

然而，请记住，jericho的关键优势在于它能够解析和操纵格式错误的HTML，而保持原始的“坏”格式。但是，看看图书馆如何执行这样的任务会很有趣。