Question

我试图使用JTidy来转换html文件的intp xml文件。这是其他人给出的在线示例代码：

public class Html2Xml {
    private String outFileName;
    private String errOutFileName;

public Html2Xml(String outFileName, String errOutFileName) {
    this.outFileName = outFileName;
    this.errOutFileName = errOutFileName;
}

public void convert() {
    BufferedInputStream in;
    FileOutputStream out;

    Tidy tidy = new Tidy();

    // Tell Tidy to convert HTML to XML
    tidy.setXmlOut(true);
    try {
        // Set file for error messages
        tidy.setErrout(new PrintWriter(new FileWriter(errOutFileName), true));
        tidy.setForceOutput(true);
        tidy.setInputEncoding("utf-8");
        tidy.setEncloseText(false);
        tidy.setXmlOut(true);
        // u = new URL(url);
        File f = new File("e:/.../gd.htm");

        // input and output
        in = new BufferedInputStream(new FileInputStream(f));
        out = new FileOutputStream(outFileName);

        // Convert files
        tidy.parseDOM(in, out);

        // Clean up
        in.close();
        out.close();
    } catch (IOException e) {
        System.out.println(this.toString() + e.toString());
    }
}
public static void main(String[] args) {
    Html2Xml t = new Html2Xml("e:/...../right1.xml", "e:/...../error1.xml");
    t.convert();
}

}

它可以工作，并可以以xml文件格式获取输出。但是当我打开它时，它仍然以 <!DOCTYPE HTML> <!DOCTYPE html PUBLIC "" ""> <html>因为XML文档只允许单个DOCTYPE节点，或者根本不允许。

因此当我尝试使用eclipse xpath插件获取文件中的锚元素的xpath时，它总是显示org.xml.sax.saxparseexception：已经看过doctype（我认为它是因为多个相同的元素在xml文件中）。

提前感谢您的帮助！

使用JTidy将html文件转换为xml文件，但仍然获得html表单

0 个答案: