java将结束标记添加到HtmleElement（HtmlUnit）

Question

我想将HTML页面转换为pdf。但HtmlPage有很多标记尚未关闭，如：

< hr >
< br >

因此，我无法创建Pdf。如何在Java上使用HtmlUnit关闭这些标记。我想要的是：

<hr />
<br /> 

谢谢

Answer 1

谢谢你的回答，我错了。问题不在于这些html标记。因为我想要转换的htmlpage包含非法的xml字符，所以我无法转换它

我通过使用XMLChar找到了解决方案。isValidXerces库的方法。 此外，我还必须用以下代码删除htmlpage的所有脚本和样式标记：

final DomNodeList<HtmlElement> scriptElements = html.getElementsByTagName("script");
if (!scriptElements.isEmpty()){
    for (HtmlElement scriptElement : scriptElements){   
        scriptElement.removeAllChildren();
    }
}

Answer 2

您可以使用HTML Tidy来更正HTML。Java库是JTidy。JTidy可以配置为生成XHTML

Answer 3

实际上，这些标签不应该有结束标签。看看这个：

http://www.w3schools.com/html5/tag_br.asp

http://www.w3schools.com/html5/tag_hr.asp