如何让 JTIdy 使 HTML 文档格式良好？

我正在使用 JTidy v.r938。我正在使用这段代码来尝试清理页面......

final Tidy tidy = new Tidy();
tidy.setQuiet(false);
tidy.setShowWarnings(true);
tidy.setShowErrors(0);
tidy.setMakeClean(true);
Document document = tidy.parseDOM(conn.getInputStream(), null);

但是当我解析这个 URL 时——，事情没有得到清理。例如，页面上的 META 标签，例如

<META http-equiv="Content-Type" content="text/html; charset=UTF-8">

保持为

<META http-equiv="Content-Type" content="text/html; charset=UTF-8">

而不是使用“”标签或显示为“"。我通过将生成的 JTidy org.w3c.dom.Document 作为字符串输出来确认这一点。

我该怎么做才能让 JTidy 真正清理页面——即使其格式良好？我意识到还有其他工具，但这个问题特别与使用 JTIdy 有关。

如果你想要 XML 格式，你需要为 Tidy 指定几个标志

private String cleanData(String data) throws UnsupportedEncodingException {
    Tidy tidy = new Tidy();
    tidy.setInputEncoding("UTF-8");
    tidy.setOutputEncoding("UTF-8");
    tidy.setWraplen(Integer.MAX_VALUE);
    tidy.setPrintBodyOnly(true);
    tidy.setXmlOut(true);
    tidy.setSmartIndent(true);
    ByteArrayInputStream inputStream = new ByteArrayInputStream(data.getBytes("UTF-8"));
    ByteArrayOutputStream outputStream = new ByteArrayOutputStream();
    tidy.parseDOM(inputStream, outputStream);
    return outputStream.toString("UTF-8");
}

或者只是想要 XHTML 表单

Tidy tidy = new Tidy();
tidy.setXHTML(true);