Java 清洁混合型<；脚本>；标签

我正在使用cyberneko和xerces清理HTML。 然而，一些$#@网站仍然使用这两种方法

<script>...</script> and <script.../> 

。。。及

那么发生的事情是：给定

<script..../> <div> Some Text </div> <script> scripting stuff </script> , 

一些文本脚本编写的东西，

neko将以上所有行解析为脚本，因此

<script..../> &lt div &gt Some Text &lt/div &gt &lt script &gt scripting stuff </script> , 

< div>一些文本</div><脚本>脚本材料，

然后我失去了所有的内部内容：(

有什么建议吗？

在html中使用是非法的。在xml中它是合法的。我不知道为什么有些人仍然使用xml的方式来编写html，但这是错误的，它通过设计破坏了大多数解析器（比如…）

---

另一件需要注意的事情——如果您使用xml解析器/dom4j解析器或任何其他依赖于它的东西，请确保您没有将字符串先传递给xml解析器，然后传递给html解析器——这将破坏一切。

LOL，显然stackoverflow的代码解析器也有同样的问题：）我很惊讶有人使用过它（自关闭脚本标签）曾经。输出关闭标签非常简单，而且奖励非常好（完全兼容），以至于你想知道他们认为这样做的胜利在哪里？@Robusto，我完全同意。最恼人的是，这些都是大联盟内容网站！