如何用java 把 HTML parse 去 XML DOM?

想请问各位java神，如何用java 把 HTML parse 去 XML DOM?

kfchai1982

恩。。。直接用XHTML不就可以了吗？

用 XHTML 是把 XML 当 HTML 用，但是我需要把 HTML 当 XML 用。我需要改HTML里面的tag。请多多帮忙。

其实我有用过以下方法啦，但是不是很管用，毕竟XML parser 不适合当 HTML parser 用。只是想问还有没有别的方法吧了。

DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
    try {
      DocumentBuilder builder = factory.newDocumentBuilder();
      document = builder.parse(URL);
      document.getDocumentElement().normalize();
    } catch (SAXParseException spe) {
      System.out.println("\n** Parsing error"
                         + ", line " + spe.getLineNumber()
                         + ", uri " + spe.getSystemId());
      System.out.println("   " + spe.getMessage() );
      Exception  x = spe;
      if (spe.getException() != null)
        x = spe.getException();
      x.printStackTrace();
    } catch (SAXException sxe) {
      Exception  x = sxe;
      if (sxe.getException() != null)
        x = sxe.getException();
      x.printStackTrace();
    } catch (ParserConfigurationException pce) {
      pce.printStackTrace();
    } catch (IOException ioe) {
      ioe.printStackTrace();
    }

须祢

为什么要这样做呢？HTML是含盖DATA及PRESENTATION的LANGUAGE，而XML只是DATA，没有PRESENTATION的。要把一个HTML parse 去 XML DOM要费很大功夫。。。因为必须隔开HTML的PRESENTATION CODE。。。还是不明白为什么要这样做。。。

[ 本帖最后由 须祢 于 29-11-2005 04:15 PM 编辑 ]

kfchai1982

原帖由 ramen 于 29-11-2005 10:50 AM 发表
用 XHTML 是把 XML 当 HTML 用，但是我需要把 HTML 当 XML 用。

？？？

http://www.w3.org/TR/xhtml1

如果文件是你自己写的话，而且要动用XML Parser就不应该用HTML了；
如果文件是远程的话，改TagName也不太可能吧？

我在做着一个叫 Content Adaptation 的 program。这个program 基本上是把网页load到一个可以filter content和载录要点的server，然后再送到mobile devices上。就因为需要filter content，所以才需要这么麻烦用 XML DOM。