问题标签 [jtidy]

大家好，这是我在这里的第一个问题，我不是程序员。

我想生成一个站点地图。我正在使用 webcrawler (crawler.dev.java.net) 抓取一个网站。有没有办法对我得到的数据使用 sax 解析器？

我还使用了 jtidy，并将主页 html 数据转换为 xml 文件。

我很困惑有这么多的 sax 解析器，不知道它们之间的区别以及选择哪一个。

我想访问 html 标签的属性，但我不能用 webcrawler 做到这一点，或者我不知道该怎么做

org.xml.sax 和所有其他包有什么区别？

我正在寻找 TagSoup 和 jTidy 库的文档（如果可能的话，官方文档）。

我想使用这个库来操作 html“tagsoup”文件，这些文件包括 xml 标记，其中不同的命名空间混合在 html（html、xhtml 或 html5）标记之间。

我已经测试过 HTMLCleaner、NekoHTML 和 Jericho，但除了清除文件的最简单示例之外，我没有找到 jTidy 和 TagSoup 的文档。

我需要有关操作内容、替换标签、提取信息等的文档...

谢谢

注意：测试所有选项后，我使用了StAX / Woodstox：

• http://wiki.fasterxml.com/WoodstoxHome

• https://en.wikipedia.org/wiki/StAX

• https://docs.oracle.com/javase/tutorial/jaxp/stax/using.html

寻找一种获取一些html的方法，例如：

并通过 JTidy 运行它，并将 CSS 规则保留在解析器的输出中。

标签在最终输出中消失了。

我需要将 HTML 转换为 XHTML 1.1。

我是在 Java 程序中做的，所以我决定使用 JTidy。但是如果你告诉 JTidy 用 XHTML 转换输出，你得到的是 XHTML 1.0，而不是 XHTML 1.1。我在 Google 上找到了一些关于 2003 年及更早版本的 Tidy 和 XHTML 1.1 的帖子，但我找不到任何带有 JTidy 的 XHTML 1.1 选项。

有任何想法吗？

非常感谢。

我正在使用 java 从网页中获取标题文本。

我使用标签名称从网页中获取图像，如下所示：

它正在工作，但我想使用与上面相同的代码从网页（www.yahoo.com）获取标题标签。我提到了 getElementsByTagName("title"); 但它不工作。请帮助我，如何使用上面的 jtidy 解析器来做到这一点。

我有一个 html 文档，文档内的某处位于表格下方，我可以获取表格行和 java DOM 对象。我不清楚的是，当值是字符串以及二进制资源时，如何提取表格单元格的值？

我正在使用如下代码：

和循环喜欢：

但我没有看到表中的值。

我有一系列看起来像这样的 xml 文件：

我正在尝试使用标准 DOM 方式解析 xml，但由于属性值P不在引号中，Java 会抱怨。

我尝试使用 JTidy 来清理它，但是因为我的 xml 不是 HTML，Tidy 会抛出错误，抱怨它无法识别标签<ROOT>等<F>。

那么，还有其他方法可以做到这一点吗？或者，我想我可以使用正则表达式，因为唯一没有引号的属性出现在<F>标签中。有什么想法吗？

提前致谢