我在使用jTidy（在Android上）时遇到了一个非常烦人的问题。我发现jTidy适用于我测试过的每一个HTML文档，除了以下内容：
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="utf-8" />
<!-- Always force latest IE rendering engine & Chrome Frame
Remove this if you use the .htaccess -->
<meta http-equiv="X-UA-Compatible" content="IE=edge,chrome=1" />
<title>templates</title>
<meta name="description" content="" />
<meta name="author" content="" />
<meta name="viewport" content="width=device-width; initial-scale=1.0" />
<!-- Replace favicon.ico & apple-touch-icon.png in the root of your domain and delete these references -->
<link rel="shortcut icon" href="/favicon.ico" />
<link rel="apple-touch-icon" href="/apple-touch-icon.png" />
</head>
<body>
<div>
<header>
<h1>Page Heading</h1>
</header>
<nav>
<p><a href="/">Home</a></p>
<p><a href="/contact">Contact</a></p>
</nav>
<div>
</div>
<footer>
<p>© Copyright</p>
</footer>
</div>
</body>
</html>
但整理后，jTidy什么也不返回（如中所示，如果包含整理HTML的字符串被称为result，result.equals（"）==true）
不过，我注意到了一件非常有趣的事情：如果我删除HTML正文部分的所有内容，jTidy就可以完美地工作。<身体>lt/身体>jTidy不喜欢？
这是我正在使用的Java代码：
public String tidy(String sourceHTML) {
StringReader reader = new StringReader(sourceHTML);
ByteArrayOutputStream baos = new ByteArrayOutputStream();
Tidy tidy = new Tidy();
tidy.setMakeClean(true);
tidy.setQuiet(false);
tidy.setIndentContent(true);
tidy.setSmartIndent(true);
tidy.parse(reader, baos);
try {
return baos.toString(mEncoding);
} catch (UnsupportedEncodingException e) {
return null;
}
}
我的Java有什么问题吗？这是jTidy的错误吗？有什么办法可以让jTidy不这么做吗？（我无法更改HTML）。如果这个问题绝对无法解决，还有其他好的HTML Tidier吗？非常感谢！
试试这个：
tidy.setForceOutput(true);
可能存在解析错误。
查看Jsoup，我建议使用任何类型的Java Html处理（我曾使用HtmlCleaner到，但后来切换到Jsoup）。
用J汤清洗Html：
final String yourHtml = ...
String output = Jsoup.clean(yourHtml, Whitelist.relaxed());
仅此而已！
或者（如果你想更改/删除/解析/…）一些东西：
Document doc = Jsoup.parse(<file/string/website>, null);
String output = doc.toString();