使用java将html转换为xml

有人能给我推荐一种使用java将html转换为xml的最佳方法吗 是否有任何API可用于此？ html还可能包含javascript代码

我尝试了以下代码：

import java.io.BufferedInputStream;
import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.DataInputStream;
import java.io.FileOutputStream;
import java.io.FileReader;
import java.io.FileWriter;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.net.URL;
import java.net.URLConnection;
import org.jdom.JDOMException;
import org.jdom.input.SAXBuilder;
import org.jdom.output.XMLOutputter;
import java.io.IOException;

class HTML2XML {
    public static void main(String args[]) throws JDOMException {
    InputStream isInHtml = null;
    URL url = null;
    URLConnection connection = null;
    DataInputStream disInHtml = null;
    FileOutputStream fosOutHtml = null;
    FileWriter fwOutXml = null;
    FileReader frInHtml = null;
    BufferedWriter bwOutXml = null;
    BufferedReader brInHtml = null;
    try {
        // url = new URL("www.climb.co.jp");
        // connection = url.openConnection();
        // isInHtml = connection.getInputStream();

        frInHtml = new FileReader("D:\\Second.html");
        brInHtml = new BufferedReader(frInHtml);
        SAXBuilder saxBuilder = new SAXBuilder(
                "org.ccil.cowan.tagsoup.Parser", false);
        org.jdom.Document jdomDocument = saxBuilder.build(brInHtml);

        XMLOutputter outputter = new XMLOutputter();
        org.jdom.output.Format newFormat = outputter.getFormat();
        String encoding = "iso-8859-2";
        newFormat.setEncoding(encoding);
        outputter.setFormat(newFormat);

        try {
            outputter.output(jdomDocument, System.out);
            fwOutXml = new FileWriter("D:\\Second.xml");
            bwOutXml = new BufferedWriter(fwOutXml);
            outputter.output(jdomDocument, bwOutXml);
            System.out.flush();
        } catch (IOException e) {
        }

    } catch (IOException e) {
    } finally {
        System.out.flush();
        try {
            isInHtml.close();
            disInHtml.close();
            fosOutHtml.flush();
            fosOutHtml.getFD().sync();
            fosOutHtml.close();
            fwOutXml.flush();
            fwOutXml.close();
            bwOutXml.close();
        } catch (Exception w) {

        }
    }
}
}

但它没有按预期工作

试试看

JTidy可以用作清理格式错误和错误的HTML的工具

试一试

JTidy可以用作清理格式错误和错误的HTML的工具

---

HTML与XML不同，除非它符合XML模式下的XHTML或HTML5

---

建议使用HTML解析器读取HTML并将其转换为XML–或直接处理它。

HTML与XML不同，除非它符合XML模式下的XHTML或HTML5

---

建议使用HTML解析器读取HTML并将其转换为XML–或直接处理它。

如果您想解析HTML而不是将HTML转换为XML，则可以使用HTML解析器。

---

我希望它能帮助您。

如果您想解析html而不是将html转换为xml，您可以使用html解析器。

---

我希望它能帮助您。

您是说XHTML吗？那么这个Javascript代码呢，你想用它做什么呢？我必须把普通的html文件转换成XML，你需要把它们转换成XHTML吗？XHTML是HTML的XML表示形式XML可以是任何东西。你试过了吗？否则，你可以将整个HTML文档嵌入到一个XML元素中，这一点已经被证明了。这可能不是您想要的，但我们需要更多信息。您是指XHTML吗？那么这个Javascript代码呢，你想用它做什么呢？我必须把普通的html文件转换成XML，你需要把它们转换成XHTML吗？XHTML是HTML的XML表示形式XML可以是任何东西。你试过了吗？否则，你可以将整个HTML文档嵌入到一个XML元素中，这一点已经被证明了。这可能不是你想要的，但是我们需要更多的信息。你可以用jTidy来分享示例代码来做这项工作吗？非常感谢，我能够做到。你可以用jTidy来分享示例代码来做这项工作吗？非常感谢，我能够做到。