jTidy ничего не возвращает после очистки HTML - PullRequest
Новая
       41

jTidy ничего не возвращает после очистки HTML

5 голосов
/ 16 января 2012

Я столкнулся с очень раздражающей проблемой при использовании jTidy (на Android). Я обнаружил, что jTidy работает с каждым HTML-документом, с которым я его тестировал, кроме следующих: 

    <!DOCTYPE html>
      <html lang="en">
       <head>
        <meta charset="utf-8" />

         <!-- Always force latest IE rendering engine & Chrome Frame 
              Remove this if you use the .htaccess -->
         <meta http-equiv="X-UA-Compatible" content="IE=edge,chrome=1" />

         <title>templates</title>
         <meta name="description" content="" />
         <meta name="author" content="" />

         <meta name="viewport" content="width=device-width; initial-scale=1.0" />

         <!-- Replace favicon.ico & apple-touch-icon.png in the root of your domain and delete these references -->
      <link rel="shortcut icon" href="/favicon.ico" />
      <link rel="apple-touch-icon" href="/apple-touch-icon.png" />
   </head>

 <body>
   <div>
     <header>
       <h1>Page Heading</h1>
     </header>
     <nav>
       <p><a href="/">Home</a></p>
       <p><a href="/contact">Contact</a></p>
     </nav>

     <div>

     </div>

     <footer>
      <p>&copy; Copyright</p>
     </footer>
   </div>
 </body>
 </html>

Но после его очистки jTidy ничего не возвращает (например, если строка, содержащая HTML-код, называемый результатом, называется result, result.equals ("") == true)

Я заметил кое-что очень интересное: если удалить все части тела HTML, jTidy работает отлично. Что-то в jTidy не нравится?

Вот код Java, который я использую: 

 public String tidy(String sourceHTML) {
   StringReader reader = new StringReader(sourceHTML);

   ByteArrayOutputStream baos = new ByteArrayOutputStream();
   Tidy tidy = new Tidy();
   tidy.setMakeClean(true);
   tidy.setQuiet(false);
   tidy.setIndentContent(true);
   tidy.setSmartIndent(true);

   tidy.parse(reader, baos);

   try {
     return baos.toString(mEncoding);
   } catch (UnsupportedEncodingException e) {
     return null;
   }
 }

Что-то не так с моей Java? Это ошибка с jTidy? Есть ли способ заставить jTidy этого не делать? (Я не могу изменить HTML). Если это абсолютно невозможно исправить, есть ли другие хорошие HTML Tidiers? Большое спасибо!

Ответы [ 2 ]

4 голосов
/ 17 июня 2013

Попробуйте это: 

tidy.setForceOutput(true);

Возможно, есть ошибки разбора.

2 голосов
/ 10 февраля 2013

Проверьте Jsoup , это моя рекомендация для любого вида обработки HTML Java (я использовал HtmlCleaner для, но затем переключился на jsoup) .

Очистка Html с помощью Jsoup: 

final String yourHtml = ...

String output = Jsoup.clean(yourHtml, Whitelist.relaxed());

Это все!

Или (если вы хотите изменить / удалить / разобрать / ...) что-то: 

Document doc = Jsoup.parse(<file/string/website>, null);

String output = doc.toString();
...