Reacties op: Bewerken van HTML met NekoHTML

By: Peter Maas

Peter Maas — Tue, 13 May 2008 18:25:02 +0000

Ja NekoHTML is erg handig! Bij de VPRO gebruik ik het om alleen een set van gewenste html elementen toe te staan in door externe gebruiker ingevoerde (rich) tekst. Een mooie tool die me nog nooit problemen heeft gegeven.

By: Erik van Oosten

Erik van Oosten — Tue, 13 May 2008 21:03:56 +0000

Groot nadeel van het gebruik van XML als tussen formaat is dat het moet voldoen aan, eh… XML. Vandaar dat een parser als Jericho meestal minder problemen geeft voor het bewerken van HTML. Dit is met name zo voor oudere HTML.

By: Rob van de Meulengraaf

Rob van de Meulengraaf — Wed, 14 May 2008 09:16:32 +0000

@Erik
NekoHTML zou ook moeten om kunnen gaan met niet al te correct HTML, het balanceert zelf tags etc. Maar Jericho kende ik nog niet, is daar wellicht nog beter in. Na een dag worstelen met regex en xpath etc. was ik al blij dat ik NekoHTML had gevonden.

By: Lennaert

Lennaert — Wed, 14 May 2008 14:37:12 +0000

Heb je ook gekeken naar tidy en de java implementatie jTidy?

jTidy kan niet alleen de html well-formed maken, maar ook valide (b.v. geen geneste p-elementen).

jTidy is te downloaden van http://jtidy.sourceforge.net/

Ik zou zelf jtidy (of NekoHTML) + xslt gebruiken, maar het opzetten van xslt voor dit eenvoudige voorbeeld is waarschijnlijk overkill

By: Rob van de Meulengraaf

Rob van de Meulengraaf — Thu, 15 May 2008 09:45:47 +0000

NekoHTML heeft een heel scala aan mogelijkheden om HTML op te schonen, in te stellen via properties. De documentatie is misschien een beetje moeilijk te vinden op de site maar het staat wel in de docs in de download.

Ik heb hier echter een voorbeeld willen laten zien van een probleem dat erg eenvoudig bleek te zijn op te lossen met NekoHTML (of met JTidy o.i.d.) en XML filters. XSLT zou het er niet eenvoudiger op maken in dit geval lijkt me.

By: Rikkert Koppes

Rikkert Koppes — Fri, 16 May 2008 07:41:23 +0000

Hoe gaat ie om met optionele tags? bijvoorbeeld de html, body en head tags zijn optioneel, terwijl de elementen er wel altijd zijn (er is verschil tussen tags en elementen :)) Hoe gaat ie om met implicit closing van elementen? denk aan iets als aapnootmies, wat geparsed zou moeten worden als aapnootmies

By: Rikkert Koppes

Rikkert Koppes — Fri, 16 May 2008 07:43:07 +0000

Hoe gaat ie om met optionele tags? bijvoorbeeld de html, body en head tags zijn optioneel, terwijl de elementen er wel altijd zijn (er is verschil tussen tags en elementen :))

Hoe gaat ie om met implicit closing van elementen? denk aan iets als aapnootmies, wat geparsed zou moeten worden als aapnootmies

(ai, er wordt niet ge-html escaped in de comment, bovenstaand geeft iig aan hoe het geparsed wordt)

By: Lennaert

Lennaert — Fri, 16 May 2008 08:05:04 +0000

Ik prefereer xslt boven ‘handmatig’ sleutelen aan de dom-boom. En de template is volgens mij minstens zo eenvoudig:

Maar ik ben een fan van xslt en daarom bevooroordeeld

By: Rob van de Meulengraaf

Rob van de Meulengraaf — Tue, 20 May 2008 09:07:49 +0000

Dat wordt geparsed als aap

Hoe met html, body en head tags wordt omgegaan is ook instelbaar, zo kun je verschillend omgaan met een volledig document of met een fragment.