Question

我有两个目录的html格式的差异报告（带有xml文件）

我需要从此报告中添加所需的数据。我写了一个简单的xslt并尝试了这个：

 java -jar saxon9he.jar -xsl:diff.xsl -s:Diff\ Report.html

结束于

 SXXP0003: Error reported by XML parser: The declaration for the entity "HTML.Version" must
  end with '>'.
Transformation failed: Run-time errors were reported

Html文件标题：

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<html><head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8"> ....

XSLT :(非常基本没什么）

<?xml version="1.0" encoding="utf-8"?>
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform"  xmlns:html="http://www.w3.org/1999/xhtml"  version="2.0"  exclude-result-prefixes="html">
<xsl:output method="xml"  indent="yes" />

<xsl:template match="/">
   <translations>      
        <xsl:apply-templates />     
  </translations>           
</xsl:template>

</xsl:stylesheet>

问题是，是否可以使用此lib解析html 4.0文档？或者我必须添加一些命名空间或修改源文档来修复此错误？

Answer 1

为了完整起见，将@ MartinHonnen的回复复制为答案：

Saxon是一个XSLT处理器，它使用底层的XML解析器来构建其树结构。所以通常输入必须是格式良好的XML。但是，您可以使用选项-x：org.ccil.cowan.tagsoup.Parser来指定使用像TagSoup这样的HTML解析器而不是XML解析器。您需要确保TagSoup位于类路径上。

从html 4.0文件中提取数据时出现Java Saxon lib错误

1 个答案: