Java库用于压缩HTML文件？

Question

有没有人知道一些好用的Java库（或单独的方法），可以从HTML文件中去除额外的空格、换行符和制表符等，使得HTML文件基本上被转换成了一行。

谢谢。

更新: 看起来没有现成的库能做到这点，所以我创建了我的开源项目来解决这个任务：http://code.google.com/p/htmlcompressor/

- serg555

Answer 1

看起来没有现成的库可以实现这个功能，所以我创建了自己的开源项目来解决这个任务，也许会有人觉得有帮助：http://code.google.com/p/htmlcompressor/

- serg555

Answer 2

个人而言，我只在服务器上启用了HTTP压缩，并且保留了我的可读HTML。

但是，对于您想要的内容，您可以使用String.replaceAll()函数，并使用与您指定的正则表达式匹配的方式。从我的经验来看，可以这样写：

small=large.replaceAll("\\s{2,}"," ");

- Software Monkey

---

唯一的问题是，如果您有一个包含空格的字符串，那么这些空格也将被删除。此外，它还会破坏很多HTML格式，例如"<table border=1.."将变成"<tableborder=1.." HTML解析器将无法处理。 :P - Suroot

@Suroot 不，没事。它会将多个空格替换为一个。 - sblundy

那就是一些基本的压缩，这就是我目前正在做的。如果你想完美地去除所有可能的字符（在标签内外应用不同的规则），那么它会变得更加深入。我认为这是一个常见的任务，希望有人已经做得很好了。 - serg

@Suroot 浏览器将多个空格转换为单个空格。例如，您的两个“Hello Worlds”看起来相同。如果您想要多个空格，您需要使用@nbsp;。 - sblundy

当然，如果您在<pre>标记内依赖多个空格进行格式化，这将变得混乱不堪。 - Evan

Answer 3

请小心处理。pre和textarea元素内的文本将会被破坏。此外，script元素内的嵌入式javascript必须以分号结尾。最后，如果您使用HTML注释来编写嵌入式javascript（以避免一些旧浏览器的错误行为），这将最终注释掉整个嵌入式javascript代码。

你为什么要这样做？如果您想减少HTML的下载大小，那么您只需要一个GZIP过滤器即可。

- cherouvim

Answer 4

假设希望通过优化网络传输的字节数来缩小HTML，为什么不让HTTP服务器来完成这项工作呢？请阅读此处。

这个会起作用吗？不幸的是，它并不免费。

- TofuBeer

---

已经在使用它。但我仍然希望能够进行压缩。 - serg

它必须是Java吗？它必须是免费的吗？ - TofuBeer

如果您正在应用HTTP压缩，那么在HTML中折叠空格就毫无意义了 - 最终结果将非常接近，对于通过电线传输的数据大小来说并不重要。折叠空格只会增加另一个预部署步骤。 - Lawrence Dol

Answer 5

input.replaceAll("\s+", " ");

将任何空格转换为单个空格

- cobbal

---

但它也会将任何单个空格替换为单个空格，是浪费计算资源的。 - Lawrence Dol

当然，如果您在<pre>标签内依赖多个空格进行格式化，那么这将会出现问题。 - Evan