使用 Neko HtmlParser 產生 Html DOM

這次專題所選用的 HtmlParser 是採用有點歷史的 Neko HtmlParser + xerces ，其中 Neko 作者本身是 IBM 的 xerces 團隊的主力開發者，對 DOM 解析領域相當精深，再加上 Neko HtmlParser 具有不錯的 Html 標籤解析與清理效果。雖然我在最近一個禮拜尋找與測試其他的解析器，例如最多人使用的 HtmlParser 以及較為冷門的 Cobra HtmlParser ，但仔細比較之後，還是 Neko HtmlParser 較為好用。

Java 使用 import 載入套件時的注意事項

不同於 #include 將檔案內容載入進來，Java的 import 只是請編譯器幫我們在會使用到的 class 或 method 上加註套件名稱，例如我們要使用 Document 和 Node 的 class 則可以使用下列兩種寫法：

將 DOMSource 匯入 外部DTD

本次專題在 XML 的存取與修改上，是使用 TransformerFactory 的套件，而該套件的 Transformer 物件內含的 transform(Source source ,Result  result) 轉換函數，在 source 為 DOMSource 時，是無法順利寫入 外部DTD 。因為光是使用 DOMSource內的 setSystemId() 來進行設定，是無法真正將 外部DTD置入，故需要利用 Transformer 物件內的 setOutputProperty(String name,String value) 來強制 DOMSource變更設定。

產生具有 外部DTD 的 Document 文件

一般建立 Document 文件無非是使用文件檔案載入 documentbuilder.parse(File); ，或是產生空白的 Document 文件 documentbuilder.newDocument();  ，然而 org.w3c.dom 套件 提供我們產生具有 外部DTD 的 Document 文件，就是使用 DOMImplementation 介面，其方式如下：