JTidy報告“發現了3個錯誤！”……但沒有說明它們是什么。

Question

我有一大堆以編程方式生成的HTML。 我使用以下Java代碼通過Tidy（版本r938）運行了該代碼：

StringReader inStr = new StringReader(htmlInput);
StringWriter outStr = new StringWriter();
Tidy tidy = new Tidy();
tidy.setXHTML(true);
tidy.parseDOM(inStr, outStr);

我得到以下輸出：

InputStream: Document content looks like HTML 4.01 Transitional
247 warnings, 3 errors were found!
This document has errors that must be fixed before
using HTML Tidy to generate a tidied up version.

麻煩的是，Tidy沒有告訴我發現了3個錯誤。

我在這里擺弄一點。 上面的輸出實際上是所有247條警告的一長串（主要是修剪掉空的div元素）。 我可以使用tidy.setShowWarnings(false)禁止顯示這些tidy.setShowWarnings(false) ； 無論哪種方式，我都看不到錯誤報告，因此無法弄清楚需要解決的問題。 300Kb的HTML對我來說實在太大了。

我嘗試了多種方法來查找錯誤。 遺憾的是，由於HTML文件位於專有網絡上，因此我無法通過validate.w3.org運行它。 最有用的方法是在IntelliJ IDEA中打開它。 這顯示了十幾個重復的div ID，我已對其進行了修復。 仍然發生錯誤。

我到處尋找有關此問題的其他提及。 當我發現諸如“如何使用JTidy如何從已解析的HTML中獲取錯誤/警告消息？”之類的熱門文章時， ，他們似乎都在要求不同的東西，或者假設條件根本不適合我。 例如，我得到的警告很好。 這是我需要的錯誤 ，即使我調用setShowErrors(100)東西也沒有得到報告。

我是否必須深入Tidy的源代碼並對其進行調試，從報告錯誤的地方開始？ 還是我可以做些更簡單的事情？

Answer 1

這是我最終要找出錯誤的方法：

1. 下載JTidy的源代碼。 大多數人應該可以直接找到源頭 。
2. 將源文件解壓縮到我的開發區域。 就在我現有的源代碼之上。 這也意味着從我的pom.xml中刪除JTidy的Maven條目。 （這也意味着當IntelliJ對此感到非常困惑時，它會擊敗IntelliJ提交（重新：編輯相關的.iml文件並大量重啟IJ）。）
3. 在Report.error中設置一個斷點。 org.w3.tidy.Report.error()的第一行增加lexer.errors ； 在詞法分析器的許多地方調用error() 。
4. 在調試模式下運行我的程序。 如果輸入的HTML很大，這會花費一些時間； 一個300k的文件在我的計算機上花費了大約10-15秒的時間，以阻止出現在文件末尾的錯誤。
5. 查看lexbuf的內容。 lexbuf是一個字節數組，因此您的IDE可能不會將其顯示為文本。 它也可能很大。 您可能想要查看lexbuf的詞法分析器正在查看的lexbuf 。 如有必要，請使用字節數組的該部分，並將其與ASCII表進行交叉引用以獲取文本。
6. 在HTML中搜索該文本。 假設它只出現一次，那就是您的錯誤。 （就我而言，它出現了三遍，而且確實，我報告了三個錯誤。）

這比原本應該涉及的要復雜得多。 我懷疑Report.error()被不當調用。

在我的情況下，使用常量BAD_CDATA_CONTENT調用error() 。 此常量僅由Report.warning() 。 error()不知道如何處理它，只是安靜地退出，根本沒有任何消息 。 如果將Lexer.getCDATA()的調用從error()更改為warning() ，則將獲得錯誤的確切行和列。 （我也得到了看上去格式合理的XHTML，而不是空文檔。）

我會向JTidy項目提交票證並提供一些建議，但是出於某些原因，SourceForge不允許我登錄。 所以在這里：

• 鑒於這種“錯誤”似乎不會使文檔注定無法解析，因此我暫時建議將該調用改為警告。 （在我的特定情況下，它是字符串常量內的HTML標記或script元素內的注釋；應該不會造成任何傷害。為防萬一， 我問了另一個問題 。）
• Report.error()應該有一個默認情況，如果它得到一個，它將報告未處理的錯誤代碼。

希望這可以幫助其他任何有我猜測是深奧的問題的人。