HTML指的是超文本标记语言 (Hyper Text Markup Language)，html不强制要求每个标记都是关闭的，比如img，你可以写成<img src="xxx/yyy.jpg" >。换行符br，可以写成<br>。
但有时，html需要转成其他文档（如doc、pdf）时，需要html是标准的、闭合的html，也就是可扩展的超文本标记语言（XHTML）。这时，需要将html转换为XHTML。
这里介绍两种html转换xhtml的方法。
一、使用JTidy
JTidy是一个html检查/格式化输出/Dom解析工具。
官网：http://jtidy.sourceforge.net/index.html
1、首先你需要下载JTidy，
下载地址：http://mvnrepository.com/artifact/net.sf.jtidy/jtidy/r938
也可以使用基于maven开发，maven依赖：
<!-- https://mvnrepository.com/artifact/net.sf.jtidy/jtidy --><dependency> ???<groupId>net.sf.jtidy</groupId> ???<artifactId>jtidy</artifactId> ???<version>r938</version></dependency>
2、代码
public class HtmlToXHtmlJtidy { ???public static String html2xhtml(String html) { ???????ByteArrayInputStream stream = new ByteArrayInputStream(html.getBytes()); ???????ByteArrayOutputStream tidyOutStream = new ByteArrayOutputStream(); ???????// 实例化Tidy对象 ???????Tidy tidy = new Tidy(); ???????// 设置输入 ???????tidy.setInputEncoding("utf-8"); ???????// 如果是true 不输出注释，警告和错误信息 ???????tidy.setQuiet(true); ???????// 设置输出 ???????tidy.setOutputEncoding("utf-8"); ???????// 不显示警告信息 ???????tidy.setShowWarnings(false); ???????// 缩进适当的标签内容。 ???????tidy.setIndentContent(true); ???????// 内容缩进 ???????tidy.setSmartIndent(true); ???????tidy.setIndentAttributes(false);// ???????// 只输出body内部的内容// ???????tidy.setPrintBodyOnly(true); ???????// 多长换行 ???????tidy.setWraplen(1024); ???????// 输出为xhtml ???????tidy.setXHTML(true); ???????// 去掉没用的标签 ???????tidy.setMakeClean(true); ???????// 清洗word2000的内容 ???????tidy.setWord2000(true); ???????// 设置错误输出信息 ???????tidy.setErrout(new PrintWriter(System.out)); ???????tidy.parse(stream, tidyOutStream); ???????return tidyOutStream.toString(); ???} ???public static void main(String[] args) throws Exception { ???????File file = new File("E:\\mywork\\sample\\html2xhtml\\html2xhtml.html"); ???????FileInputStream input = new FileInputStream(file); ???????int size = input.available(); ???????byte[] buff = new byte[size]; ???????input.read(buff); ???????input.close(); ???????String html = new String(buff, "utf-8"); ???????System.out.println("============html==================="); ???????System.out.println(html); ???????String xhtml = HtmlToXHtmlJtidy.html2xhtml(html); ???????System.out.println("============xhtml==================="); ???????System.out.println(xhtml); ???}}3、测试
测试一下效果。
转换前html
<!DOCTYPE html><html><head><meta charset="utf-8" /><title>html转xhtml测试 </title><script type="text/javascript" src="jquery-3.2.1.js"></script></head><body><h1>html转xhtml测试</h1><br><img src="img/sg2.jpg" style="max-width:200px;"><p>测试如何将html转换成xhtml</body></html>
其中，黄色背景的都是不标准的标记。
执行后结果：
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"><html xmlns="http://www.w3.org/1999/xhtml"> ?<head> ???<meta name="generator" content="HTML Tidy for Java (vers. 2009-12-01), see jtidy.sourceforge.net" /> ???<meta charset="utf-8" /> ???<title>html转xhtml测试</title><script type="text/javascript" src="jquery-3.2.1.js">//<![CDATA[//]]></script> ?</head> ?<body> ???<h1>html转xhtml测试</h1> ???<br /> ???<img src="img/sg2.jpg" style="max-width:200px;" /> ????<p>测试如何将html转换成xhtml</p> ?</body></html>
其中，三处出错的地方都纠正过来。
二、使用Jsoup
下面再让我们看下一种对应方法。就是使用Jsoup。
jsoup 是一款Java 的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。官网：https://jsoup.org/
1、下载Jsoup。
下载地址
http://mvnrepository.com/artifact/org.jsoup/jsoup/1.10.2
也可以使用基于maven开发，maven依赖：
<!-- https://mvnrepository.com/artifact/org.jsoup/jsoup --><dependency> ???<groupId>org.jsoup</groupId> ???<artifactId>jsoup</artifactId> ???<version>1.10.2</version></dependency>
2、代码
public class HtmlToXHtmlJsoup { ???public static String html2xhtml(String html) { ???????????????Document doc = Jsoup.parse(html); ???????doc.outputSettings().syntax(Document.OutputSettings.Syntax.xml).escapeMode(Entities.EscapeMode.xhtml); ??????????????return doc.html(); ???} ???public static void main(String[] args) throws Exception { ???????File file = new File("E:\\mywork\\sample\\html2xhtml\\html2xhtml.html"); ???????FileInputStream input = new FileInputStream(file); ???????int size = input.available(); ???????byte[] buff = new byte[size]; ???????input.read(buff); ???????input.close(); ???????String html = new String(buff, "utf-8"); ???????System.out.println("============html==================="); ???????System.out.println(html); ???????String xhtml = HtmlToXHtmlJsoup.html2xhtml(html); ???????System.out.println("============xhtml==================="); ???????System.out.println(xhtml); ???}}3、测试
转换前同上。
转换后：
<!DOCTYPE html><html> <head> ??<meta charset="utf-8" /> ??<title>html转xhtml测试 </title> ??<script type="text/javascript" src="jquery-3.2.1.js"></script> ?</head> ?<body> ??<h1>html转xhtml测试</h1> ??<br /> ??<img src="img/sg2.jpg" style="max-width:200px;" /> ??<p>测试如何将html转换成xhtml ?</p> </body></html>
将html转成xhtml
原文地址：http://www.cnblogs.com/ncyhl/p/7868789.html