（这是我几天前我遇到的问题的后续，jtidy在300k html文档中报告了3个错误，但没有报告在哪里。我发现似乎是导致错误的原因，我对原因有很大的怀疑，但我还没有决定该怎么做。）
这是一个小的独立HTML表达式，导致Jtidy报告错误：
<html>
<body>
Some text.
<script type="text/javascript">
var foo = "Press <u>ESC</u> to continue";
</script>
</body>
</html>
JavaScript字符串常数包含HTML标签，并且这些始终将JTIDY丢掉 - 删除下划线元素，Jtidy完美地完成解析。更准确地说，Jtidy的解析器在关闭标签上报告了一个错误。开头标签很好（输出可能有些不对劲，但这足以满足我以后的目的）。错误报告即使您评论字符串：
// Any closing tags here at all will <b>throw JTidy off</b>.
我认为可以肯定地说上述有效的HTML；但是我找不到有关该怎么做的任何文件。搜索，我发现这已经在整洁的html5中固定。它似乎仅在Jtidy（Java端口）中被打破。
搜索更多，我发现我正在使用最新的jtidy。R938版本是我的Maven Repo中的版本。（实际上，源是在沙箱中解开包装的，因此我可以调试此问题。）我上面链接的错误报告日期为2015年；Jtidy R938于2009年发布。
我相信jtidy处理此操作错误吗？如果是这样，我应该尝试修复它还是在某些私人分支中解决了？我不会称自己为解析器/Lexer专家，但是如果需要的话，我可能会混乱。
这确实是jtidy中的一个错误。可悲的是，我已经解决了它（和其他问题），但最终没有发布新的版本，因为我没有时间再从事Jtidy工作了。
该代码可以在颠覆中可用，如果您查看中继线的最新修订并构建它，则您的程序应起作用。
我还制作了一个名为CodeUpdateandjava5的分支，其中我使代码更接近整洁工具的行为（在他们开始使用HTML5版本之前），并开始添加更现代的Java功能。该代码也可以工作；我没有根据它发布任何发行版。
根据您需要的内容，JSOUP库可能对您有利，并且正在维护和更新。