解析HTML最大的问题是不能使用标准的XML解析器，虽然很多新的网站开始逐步改用规范的XHTML，但只有出现一个<br>就会导致整个解析过程的失败，而好的HTML解析器却不是那么容易找到的，所以转换或许也是一个很好的选项

在google这个问题的时候，发现一个好东西HTML Tidy，W3C出品的，开源的小工具，可以将HTML转换成XHTML或XML

HTML Tidy提供了编译好[……]

more