如何从 Java 验证 HTML？

Question

从 Java 验证 HTML 的快速而简单的方法是什么？我正在寻找一个开源/PD 类（或一组类）来描述 100 多个 HTML 标签的各种属性，例如：

1. 标签是可选的吗？空的？省略结束标签是否合法？
2. 此标签还可以包含哪些其他标签（如果有）？
3. 哪些属性对于该标签是合法的，它们的类型是什么？ （不是必需的，但很高兴拥有）

我希望对 HTML 文档进行逐个标签分析，因此我对整个文档是否有效不太感兴趣，而是对每种类型标签的具体要求是什么感兴趣。

我可以根据 W3C 规范对规则进行编码，但想先看看有哪些现成的解决方案可用。

Answer 1

如果您想验证某些标签是否遵循某些规范，基于 Java 的 HTML 解析器似乎没有尽头：

Java 中的开源 HTML 解析器

换句话说，您可以解析 HTML，然后检查生成的文档中是否有您要查找的标签，并确定它们是否符合您所需的规范。如果他们不这样做，你就可以抛出一个错误。

我认为您不会找到一个完全按照您的要求编写的 HTML 分析工具，主要是因为这些要求尚未明确表达并且可能有点模糊。

如果解析器不能立即执行您想要的操作，至少此列表是开源的，因此只要您发布更改，您就可以破解解析器。

Answer 2

Check JTidy (http://jtidy.sourceforge.net/) 和 VietSpider HTMLParser (http://sourceforge.net/projects/binhgiang/) 都是 Java HTML 解析器和一些语法检查功能。一些基于 Eclipse 的 HTML 编辑器插件使用 JTidy（或 Tidy 的端口）进行语法检查。或者像 David Said 那样，将页面提交到 w3c.org