Java 将HTML转为XML

文介绍如何通过Java后端程序代码来展示如何将html转为XML。此功能通过采用Word API- Free Spire.Doc for Java 提供的Document.saveToFile()方法来实现；该方法支持的目标文档格式多达 30余种。另外，该API也提供了多种方法，如Document.saveToEpub()、Document.saveToFile()、Document.saveToImages()、Document.saveToSVG()、Document.saveToTxt()、Document.saveToTiff()等，可用于将源文件转为Epub、图片、文本文件等目标文档格式。

下面，将以html转为xml格式为例，介绍如何实现转换。以下是详细方法及步骤。

【关于如何导入jar包】

通过 Maven仓库下载导入，如下配置pom.xml：

<repositories>
    <repository>
        <id>com.e-iceblue</id>
        <url>https://repo.e-iceblue.cn/repository/maven-public/</url>
    </repository>
</repositories>
<dependencies>
    <dependency>
        <groupId>e-iceblue</groupId>
        <artifactId>spire.doc.free</artifactId>
        <version>5.2.0</version>
    </dependency>
</dependencies>

如需手动导入，需要下载 jar包到本地，然后解压，找到lib文件夹下的Spire.Doc.jar文件。在IDEA中打开“Project Structure”界面，执行如图步骤将本地路径下的jar文件手动引入Java程序：

【将HTML转为XML】

转换时，可参考如下代码步骤：

创建Document类的对象。
调用Document.loadFromFile(String fileName, FileFormat fileFormat)方法加载HTML文件。
通过Document.saveToFile(String fileName, FileFormat fileFormat)方法保存为XML格式到指定路径。

Java

import com.spire.doc.*;

public class HTMLtoXML {
    public static void main(String[] args) {
        //创建Document类的对象
        Document doc = new Document();

        //加载html文件
        doc.loadFromFile("sample.html",FileFormat.Html);

        //保存为XML格式
        doc.saveToFile("HTMLtoXML.xml", FileFormat.Xml);
    }
}

转换效果：

—END—

原文出处：https://www.cnblogs.com/Yesi/p/16392430.html

如果本文对你有帮助，别忘记给我个3连，点赞，转发，评论，

学习更多JAVA知识与技巧，关注与私信博主（555），即可免费领取

现代网络技术的世界中，XML（可扩展标记语言）和 HTML（超文本标记语言）是两个非常重要的技术。尽管它们都使用标签和属性的格式来描述数据，但它们在形式和用途上有显著的区别。

概述

什么是 XML？

XML，即 Extensible Markup Language（可扩展标记语言），是一种用于存储和传输数据的文本格式。XML 的设计宗旨是强调数据的结构化和准确性，提供了一种公认的标准格式。最主要的特点是它的自我描述性，即数据和数据的定义集成在一起，使得它在数据交换和数据存储方面具有极大优势。

什么是 XML？基础入门介绍

什么是 HTML？

而 HTML，即 HyperText Markup Language（超文本标记语言），则是一种用于创建网页的标准标记语言。HTML 的主要用途是描述网页的内容和结构，通过与 CSS（层叠样式表）和 JavaScript（脚本语言）的结合，实现丰富和互动的网络应用。

区别详解

用途

XML：主要用作数据存储和数据交换的格式。通常用于各类应用程序之间的数据传递。例如，网络服务（Web Services）中，SOAP（简单对象访问协议）使用 XML 格式来封装消息内容。（SOAP 协议详解：什么是 SOAP 以及它如何工作？）
HTML：主要用于展示数据和内容。HTML 文档定义了网页的结构，它和浏览器一起使得用户可以在互联网上浏览各种信息和资源。

结构和特性

XML:

自定义标签：XML 允许用户自定义标签，这是它最大的特性之一。通过自定义标签，数据可以更加准确地描述和组织。
严格的语法要求：每一个开始标签都必须有一个闭合标签，标签必须正确嵌套，同时所有属性必须用引号括起来。
数据中心：XML 集中在描述和传输数据，而不是显示数据的外观。

<book>
    <title>Learning XML</title>
    <author>John Doe</author>
    <price>29.99</price>
</book>

HTML:

预定义标签：HTML 提供了很多预定义标签，用于构建和格式化网页内容。不允许用户自定义标签。
宽松的语法要求：虽然 HTML5 强调标签的闭合，但浏览器会容错，对一些语法错误进行修正。
展示中心：HTML 的主要目的是展示数据，定义网页的内容和结构，包括文本、图片、视频等。

<!DOCTYPE html>
<html>
<head>
    <title>My Web Page</title>
</head>
<body>
    <h1>Welcome to My Web Page</h1>
    <p>This is an introductory paragraph.</p>
</body>
</html>

数据验证

XML：XML 支持数据验证。可以使用 DTD（文档类型定义）或者 XML Schema 来定义和验证 XML 数据的结构和内容，使得数据更加精确和可靠。
HTML：HTML 没有原生的数据验证功能，它更多关注于浏览器如何解释和显示页面。对于用户提交的数据，可以通过表单验证和 JavaScript 来进行验证和处理。

可扩展性和标准化

XML：XML 是完全可扩展的。由于没有预定义的标签，用户可以根据需要创建适合自己应用的标签集。这使得 XML 非常灵活，可以适应不同的应用和需求。
HTML：HTML 是没有可扩展性的，它的标签集是由 W3C（万维网联盟）规定的标准。不允许用户随意添加新的标签，但它提供了一些扩展机制，例如使用自定义数据属性（data-* 属性）。

处理工具

XML：加工和处理 XML 数据的工具和接口非常多，包括 SAX（Simple API for XML）、DOM（Document Object Model）、XPath 和 XSLT 等。它们为读取、操作和转换 XML 数据提供了丰富的支持。
HTML：HTML 的处理主要依赖于浏览器和各种网页开发技术，比如 JavaScript、CSS、DOM 操作等，以实现动态和交互式网页内容。

如何调试 XML、JSON 格式的请求

下面使用 Apifox 来修正和测试基于 XML 的 API 请求。

创建与测试 XML 请求

假设您需要向服务器发送 XML 格式的注册信息。您可以按照以下步骤使用 Apifox 进行设置：

请求类型：POST
请求 URL（需替换为有效地址）：http://127.0.0.1:8000/register
请求头设置：Content-Type: application/xml
请求体内容如下：

<userRegistration>
    <username>john_doe</username>
    <password>securePassword123</password>
    <email>john_doe@example.com</email>
</userRegistration>

响应体示例：

<userRegistrationResponse>
    <userId>12345</userId>
    <username>john_dane</username>
    <status>success</status>
</userRegistrationResponse>

在 Apifox 中配置您的请求

打开 Apifox，选择开始新项目或者继续现有项目。接着点击“新建接口”，在接口设置页面，选择 POST 作为请求方法，并输入正确的请求 URL，比如 https://api.example.com/register (这里的 URL 应替换为真实可用的 URL)。在配置请求体时，选择 XML 格式，并将上述 XML 数据粘贴到配置区。

发起请求并观察结果

配置完成后，转到“运行测试”页面，点击“发送”按钮以向服务器发送构建的请求。请求发送后，检查响应部分，您应该看到类似于提供的 XML 格式的响应数据。

您还可以使用响应界面上的预览功能，该功能能让您以更直观的方式查看服务器返回的数据。

总结

XML 和 HTML 虽然在标签和属性的语法上有所相似，但它们在使用场景、结构和功能上有显著的区别。XML 强调数据的准确传输和结构化存储，适合用于数据的交换和持久化存储等场景。而 HTML 强调内容呈现和用户交互，主要用于网页设计和开发。

分享成果，随喜正能量】行走于尘世，繁忙的工作节奏，沉重的生活压力，似乎想让生活过得行云流水，真的不是一件容易的事情，那么何不让它变得简单一些？或许我们不够时尚，至少我们可以简约，或许我们不够精致，至少我们可以简洁。把每一段旅途，都当做最好的修行；把每一段旅途遇到的困难，都当做自己的助力；把每一段旅途中遇到的人，都当做今生的因缘。

《VBA信息获取与处理》教程是我推出第六套教程，目前已经是第一版修订了。这套教程定位于最高级，是学完初级，中级后的教程。这部教程给大家讲解的内容有：跨应用程序信息获得、随机信息的利用、电子邮件的发送、VBA互联网数据抓取、VBA延时操作，剪贴板应用、Split函数扩展、工作表信息与其他应用交互，FSO对象的利用、工作表及文件夹信息的获取、图形信息的获取以及定制工作表信息函数等等内容。程序文件通过32位和64位两种OFFICE系统测试。是非常抽象的，更具研究的价值。

教程共两册，八十四讲。今日的内容是专题六“VBA中利用XMLHTTP完成网抓数据”的第1讲：XMLHTTP的简单讲解

第一节 XMLHTTP的简单讲解及相关概念的介绍

现在的社会是网络的社会，离开了网络，很多工作会变得不通畅。我们日常的生活也是和网络紧密联系一起的，那么网络是如何搭建的呢？我们可以通过本讲的讲解了解到HTTP 超文本传输协议，TCP/IP的介绍，XMLHTTP的介绍，等等。

1 什么是XMLHTTP,它是用来做什么的？

1） XML的介绍 XML指可扩展标记语言（EXtensible Markup Language），设计宗旨是传输数据，是W3C （万维网联盟World Wide Web Consortium）的推荐标准。XML 是各种应用程序之间进行数据传输的最常用的工具，并且在信息存储和描述领域变得越来越流行。

2） HTTP的介绍 HTTP 超文本传输协议（HyperText Transfer Protocol，超文本传输协议）是因特网上应用最为广泛的一种网络传输协议，所有的WWW文件都必须遵守这个标准。

HTTP是一个基于TCP/IP通信协议来传递数据（HTML 文件, 图片文件, 查询结果等）。

3) TCP/IP的介绍 TCP/IP是供已连接因特网的计算机进行通信的通信协议(Transmission Control Protocol / Internet Protocol)。定义了电子设备（比如计算机）如何连入因特网，以及数据如何在它们之间传输的标准。

TCP 用于应用程序之间的通信。当应用程序希望通过 TCP 与另一个应用程序通信时，它会发送一个通信请求。这个请求必须被送到一个确切的地址。在双方“握手”之后，TCP 将在两个应用程序之间建立一个全双工 (full-duplex) 的通信。这个全双工的通信将占用两个计算机之间的通信线路，直到它被一方或双方关闭为止。

IP 用于计算机之间的通信。IP 是无连接的通信协议。它不会占用两个正在通信的计算机之间的通信线路。这样，IP 就降低了对网络线路的需求。每条线可以同时满足许多不同的计算机之间的通信需要。通过 IP，消息（或者其他数据）被分割为小的独立的包，并通过因特网在计算机之间传送。IP 负责将每个包路由至它的目的地。

TCP/IP协议意味着 TCP 和 IP 在一起协同工作。TCP 负责应用软件（比如你的浏览器）和网络软件之间的通信。IP 负责计算机之间的通信。TCP 负责将数据分割并装入 IP 包，然后在它们到达的时候重新组合它们。IP 负责将包发送至接受者。

4) XMLHTTP的介绍 XMLHTTP是一套可以在Javascript、VbScript、Jscript等脚本语言中通过http协议传送或从接收XML及其他数据的一套API。XmlHttp最大的用处是可以更新网页的部分内容而不需要刷新整个页面。

来自MSDN的解释：XmlHttp提供客户端同http服务器通讯的协议。客户端可以通过XmlHttp对象(MSXML2.XMLHTTP.3.0)向http服务器发送请求并使用微软XML文档对象模型Microsoft® XML Document Object Model (DOM)处理回应。

现在的绝对多数浏览器都增加了对XmlHttp的支持，IE中使用ActiveXObject方式创建XmlHttp对象，其他浏览器如：Firefox、Opera等通过window.XMLHttpRequest来创建xmlhttp对象.

2 应用XMLHTTP抓取数据的步骤

1）创建XMLHTTP对象　//需MSXML4.0支持

2）打开与服务端的连接，同时定义指令发送方式，服务网页(URL)和请求权限等。客户端通过Open命令打开与服务端的服务网页的连接。与普通HTTP指令传送一样，可以用"GET"方法或"POST"方法指向服务端的服务网页。　

3）发送指令。　

4）等待并接收服务端返回的处理结果。　

5）释放XMLHTTP对象

3 XMLHTTP的属性及方法

1) XMLHTTP的常见属性：　

onreadystatechange：在同步执行方式下获得返回结果的事件句柄。只能在DOM中调用。　

responseBody：　　　结果返回为无符号整数数组。　

responseStream：　　结果返回为IStream流。　

responseText：　　　结果返回为字符串。　

responseXML：　　　结果返回为XML格式数据。

2） XMLHTTP的常用方法：　

① Open（bstrMethod,　bstrUrl,　varAsync,　bstrUser,　bstrPassword）创建一个新的http请求，并指定此请求的方法、URL以及验证信息(用户名/密码)打开指定网址

bstrMethod：　　数据传送方式，即GET或POST。　

bstrUrl：　　　　服务网页的URL。　

varAsync：　　　是否同步执行。缺省为True，即同步执行，但只能在DOM中实施同步执行。用中一般将其置为False，即异步执行。　

bstrUser：　　　　用户名，可省略。　

bstrPassword：用户口令，可省略。　

setRequestHeader（bstrHeader,　bstrvalue）

bstrHeader：HTTP　头(header)　

bstrvalue：　HTTP　头(header)的值　

如果Open方法定义为POST，可以定义表单方式上传：　

xmlhttp.setRequestHeader（"Content-Type",　"application/x-www-form-urlencoded"）　

② Send（varBody）发送请求到http服务器并接收回应

varBody：指令集。可以是XML格式数据，也可以是字符串，流，或者一个无符号整数数组。也可以省略，让指令通过Open方法的URL参数代入。

③ abort 取消当前请求

④ getAllResponseHeaders 获取响应的所有http头

⑤ getResponseHeader 从响应信息中获取指定的http头

以上我给出了一些常用的属性和方法，其他的大家可以参考相关的资料，或许我在今后的课程中会用到时讲解。同时我们还要主要下面的注意点：

1、ResponseBody是二进制的数据，是服务器传来的没有经过任何加工的数据。

2 ResponseText是按照utf-8编码把ResponseBody转换而成，也就是：ResponseText=ByteToStr(ResponseBody,"UTF-8")

本节知识点回向：了解一些概念，HTTP，TCP/IP，XMLHTTP，以及XMLHTTP的常用属性和方法。

我20多年的VBA实践经验，全部浓缩在下面的各个教程中，教程学习顺序：

在线咨询

上一篇：软件推荐丨GoldDataSpider - 网页数据抽取工具
下一篇：JavaScript基础大总结

您的项目需求

*请认真填写需求信息，我们会在24小时内与您取得联系。

整合营销服务商