在java中转换html文件
在java中转换html文件
提问于 2012-11-23 19:30:15
public String transform_XML(String type, InputStream file){
TransformerFactory tf = TransformerFactory.newInstance();
String xslfile = "/StyleSheets/" + type + ".xsl";
Transformer t = tf.newTemplates(new StreamSource(this.getClass().getResourceAsStream(xslfile))).newTransformer();
Source source = new StreamSource(file);
CharArrayWriter wr = new CharArrayWriter();
StreamResult result = new StreamResult(wr);
t.transform(source, result);
return wr.toString();
}上面的方法接受一个xsl和xml文件作为输入，并以字符串形式返回转换后的结果。javax.xml.transform包中的类就是用来完成这个任务的。
现在我可以使用相同的包来转换html文件了吗？(由于包名包含xml，我对此表示严重怀疑。)要转换html文件，我应该怎么做？
回答 3
Stack Overflow用户
回答已采纳
发布于 2012-11-23 19:53:00
正如您所理解的，html文档不一定是有效的xml。但是您可以将html转换为xml，然后使用有效的xml进行操作(转换后-您将得到DOM树)。
我建议您使用CyberNeko HTML Parser将html转换为xml。
草稿示例：
import org.cyberneko.html.parsers.DOMParser;
import org.w3c.dom.Document;
...
public Document parseHtml(InputStream is) throws Exception {
DOMParser parser = new DOMParser();
parser.parse(new InputSource(is));
return parser.getDocument();
}如果您使用maven -您只需从存储库CyberNeko添加到项目http://mvnrepository.com/artifact/nekohtml/nekohtml
Stack Overflow用户
发布于 2012-11-23 19:42:03
public class SimpleXSLT {
public static void main(String[] args) {
String inXML = "C:/tmp/temp.html";
String inXSL = "C:/tmp/temp.xsl";
String outTXT = "C:/tmp/temp_copy.html";
SimpleXSLT st = new SimpleXSLT();
try {
st.transform(inXML,inXSL,outTXT);
} catch(TransformerConfigurationException e) {
System.err.println("Invalid factory configuration");
System.err.println(e);
} catch(TransformerException e) {
System.err.println("Error during transformation");
System.err.println(e);
}
}
public void transform(String inXML,String inXSL,String outTXT)
throws TransformerConfigurationException,
TransformerException {
TransformerFactory factory = TransformerFactory.newInstance();
StreamSource xslStream = new StreamSource(inXSL);
Transformer transformer = factory.newTransformer(xslStream);
transformer.setErrorListener(new MyErrorListener());
StreamSource in = new StreamSource(inXML);
StreamResult out = new StreamResult(outTXT);
transformer.transform(in,out);
System.out.println("The generated XML file is:" + outTXT);
}
}Stack Overflow用户
发布于 2012-11-23 21:43:53
据我所知，你的评论主要是为了抓取和取回信息
您可以看看JSoup，它可以非常方便地解析和抓取HTML中的DOM
否则，如果您想保留xslt，那么stemm解决方案应该没问题。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/13528192
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号