中文XML论坛--tidy:将html转换为xhtml(xml)的工具,实例配合[原创]

姓名：(无权查看)
城市：(无权查看)
院校：(无权查看)

1.tidy能干什么

现在的网站大部分都是HTML的，如果希望将它们标准化，手工的一页一页修改非常麻烦。tidy就是一个能够把html页面转换为xhtml和xml的工具，对于html中许多不规范的标记甚至是错误的标记能够予以修正。

我们还可以利用它生成多种样式的标签代码风格。

当我们需要从原始的html中提取数据时，可以利用它先转换为xml格式数据，然后再利用开发语言中的xml操作类去提取。

2.功能示例

a.丢失匹配对：
   <h1>heading
   <h2>subheading</h3>
被修正为
   <h1>heading</h1>
   <h2>subheading</h2>

b.结束标记错误
<p>here is a para <b>bold <i>bold italic</b> bold?</i> normal?
被修正为
<p>here is a para <b>bold <i>bold italic</i> bold?</b> normal?

c.
   <h1><i>italic heading</h1>
   <p>new paragraph
修正为：
   <h1><i>italic heading</i></h1>
   <p>new paragraph

d.
   <i><h1>heading</h1></i>
   <p>new paragraph <b>bold text
   <p>some more bold text
修正为：
   <h1><i>heading</i></h1>
   <p>new paragraph <b>bold text</b>
   <p><b>some more bold text</b>

e.
   <h1><hr>heading</h1>
   <h2>sub<hr>heading</h2>
修正为：
   <hr>
   <h1>heading</h1>
   <h2>sub</h2>
   <hr>
   <h2>heading</h2>

f.将缺少的"/" 放到结束标签的位置：
<a href="#refs">References<a>
修正为：
<a href="#refs">References</a>

g.
   <body>
   <li>1st list item
   <li>2nd list item
修正为：
   <body>
   <ul>
   <li>1st list item</li>
   <li>2nd list item</li>
   </ul>

当标签属性值缺少引号，也会被加上，修正与属性值引号有关的错误

未知的标签和属性会报告出来

加入合适的DOCTYPE标签，使它符合w3c的标准

确少的 '>' 也会被修正

等等

3.多种格式化代码的风格：

a1.
<h1 align="right">
Heading
</h1>

a2.
<h1 align="right">Heading</h1>

b1.
<td><img src="foo.gif"></td>
<td><img src="foo.gif"></td>

b2.
<td>
<img src="foo.gif">
</td>
<td>
<img src="foo.gif">
</td>

4.扩展
tidy不仅只有命令行的形式，还有GUI界面的版本和DLL的可别调用的库文件

5.实例操作

下载tidy和一个需转换的文档

此主题相关图片如下：

cmd下通过：tidy -h可以查看相关命令选项

此主题相关图片如下：

需转换文档的htm代码

此主题相关图片如下：

转换后代码

此主题相关图片如下：

转换的命令

此主题相关图片如下：

6.参考和下载
http://www.w3.org/People/Raggett/tidy/
http://tidy.sourceforge.net/

cmd版tidy及示例文档下载

姓名：(无权查看)
城市：(无权查看)
院校：(无权查看)

上面是将html文档转换成xml文档，但是要提取网站上的某个网页文件，再转换成xml，怎么实现呢？

姓名：(无权查看)
城市：(无权查看)
院校：(无权查看)

那就是先把那个目标文件下载保存起来，然后再进行转换。
下载目标html文件可以搜索相关资料。

姓名：(无权查看)
城市：(无权查看)
院校：(无权查看)

非常不错,不过喜欢gui版本

姓名：(无权查看)
城市：(无权查看)
院校：(无权查看)

以下是引用hongjuesir在2007-11-25 17:49:00的发言：
那就是先把那个目标文件下载保存起来，然后再进行转换。
下载目标html文件可以搜索相关资料。

你知道这方面的资料么？如何下载html文件？急需

姓名：(无权查看)
城市：(无权查看)
院校：(无权查看)

如何下载html？在IE中另存为啊，如果要在程序里实现则翻阅相应语言手册
关于资料，最好是google一下

姓名：(无权查看)
城市：(无权查看)
院校：(无权查看)

我隐约记得，IBM网站上曾经介绍到：
1。用tidy对html进行处理，使之成为格式规范的Html
2。然后将特定的Html文件，用XSLT进行转换，切换到XML文件。

当然，由于Html文件格式较复杂，所以没有通用的XSLT。
只能根据需求进行定制开发。

姓名：(无权查看)
城市：(无权查看)
院校：(无权查看)

同意楼上的观点
第一点正确的说法应该是：用tidy对html进行处理，使之成为格式规范的XHTML
XHTML基本上已经是xml的语法了
这样的通用程序是没有的

姓名：(无权查看)
城市：(无权查看)
院校：(无权查看)

有没有直接的资料可以下载研究

姓名：(无权查看)
城市：(无权查看)
院校：(无权查看)

有不是2进制版的实例么？


	W 3 C h i n a ( since 2003 ) 旗下站点苏ICP备05006046号《全国人大常委会关于维护互联网安全的决定》《计算机信息网络国际联网安全保护管理办法》	109.375ms