0
NekoHTML을 사용하여 HTML을 정리 한 다음 XOM으로 가져 와서 개체 모델을 얻습니다. 이 과정에서 어딘가에 코멘트가 빠져 나옵니다. 여기NekoHTML (또는 JTidy) + XOM으로 도망가 오는 댓글
// XOMSafeSAXParser is the Neko SAXParser extended to allow
// XOM to set the (unnecessary in this case) features
// external-general-entities and external-parameter-entities
XMLReader reader = new XOMSafeSAXParser();
Builder xomBuilder = new Builder(reader);
Reader input = ...; // file, resource, etc.
Document doc = xomBuilder.build(input);
Serializer s = new Serializer(System.out, "UTF-8");
s.setIndent(4);
s.setMaxLength(200);
s.write(doc);
s.flush();
해당 출력이다 :
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<HTML lang="en">
<HEAD>
<SCRIPT type="text/JavaScript"> <!-- // Hide the JS startTimeout(6000000, "/"); // --> </SCRIPT>
</HEAD>
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<html lang="en">
<head>
<script type="text/JavaScript">
<!-- // Hide the JS
startTimeout(6000000, "/");
// -->
</script>
코드이다 : 여기
는 (명료성을 위해<head> 절단의 대부분) 입력 HTML의 중요한 예이다
XOM 문서에서 스크립트 요소를 추출하면 이미 SCRIPT 요소는 Text 노드를 자식으로 가지고 있는데, 이는 Texts과 Comments의 시퀀스가 아니기 때문에 나는 Serializer이 잘못되었다고 생각하지 않습니다.
이제는 줄 바꿈이 유지되는 것을 기대하지 않고 실제로 스크립트 태그를 꺼내 겠지만 다른 곳에서는 주석을 보존하고 싶거나 이스케이프 된 주석없이 텍스트를 가져올 수 있어야합니다.
아이디어가 있으십니까?
업데이트 : NekoHTML 몇 가지 태그를 엉망으로했다, 그래서 나는 JTidy로 전환, 그리고 내가 같은 문제가 있습니다. 흥미롭게도 헤더의 스크립트 태그에 대한 문제 일뿐입니다. 다른 의견도 괜찮습니다. 그리고 JTidy의 잘못은 의심스럽고 (희망적이고기도하는) 이상한 JavaScript 주석이 있습니다.
<script type="text/JavaScript"> // <!-- // Hide the JS startTimeout(6000000, "/"); // --> // </script>
JTidy가 수행하는 작업은 <script> 내용을 CDATA로 변환하는 것처럼 보입니다. JTidy의 raw outputut를 stdout에 보내면 다음과 같이됩니다.