JTidy 报告“发现了 3 个错误！”...但没有说明错误是什么
JTidy reports "3 errors were found!"... but does not say what they are
我有一大块以编程方式生成的 HTML。我 运行 通过 Tidy（版本 r938）使用以下 Java 代码：
StringReader inStr = new StringReader(htmlInput);
StringWriter outStr = new StringWriter();
Tidy tidy = new Tidy();
tidy.setXHTML(true);
tidy.parseDOM(inStr, outStr);
我得到以下输出：
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.
问题是，Tidy 没有告诉我它发现了哪 3 个错误。
我在这里撒了点小谎。上面的输出实际上跟在一长串所有 247 条警告之后（大部分删除了空的 div 元素）。我可以用 tidy.setShowWarnings(false) 压制那些；无论哪种方式，我都没有看到错误报告，所以我不知道我需要修复什么。 HTML 的 300Kb 对我来说太多了。
我尝试了多种方法来查找错误。我无法通过验证 运行 它。w3.org，很遗憾，因为 HTML 文件位于专有网络上。最有用的方法是在 IntelliJ IDEA 中打开它；这揭示了大约一打重复的 div ID，我修复了这些 ID。仍然出现错误。
我四处寻找其他提及此问题的地方。虽然我发现很多像 "How can I get the error/warning messages out of the parsed HTML using JTidy?" 这样的点击率，但它们似乎都要求不同的东西，或者假设条件对我来说根本不成立。例如，我收到警告就好了；这是我需要的 errors，即使我调用 setShowErrors(100) 或其他东西，也不会报告它们。
我是否必须 div进入 Tidy 的源代码并调试它，从它报告错误的地方开始？或者我可以做一些更简单的事情吗？
以下是我最终找出错误的方法：
- 下载JTidy的源码大部分人应该可以直接上the source.
- 将源代码解压缩到我的开发区。 就在我现有的源代码之上。这也意味着从我的 pom.xml 中删除 JTidy 的 Maven 条目。 （这也意味着击败 IntelliJ 提交（重新：编辑相关的 .iml 文件并多次重新启动 IJ）当它对此感到非常困惑时。）
- 在Report.error设置断点。第一行
org.w3.tidy.Report.error()递增lexer.errors； error() 从词法分析器的许多地方被调用。
- 运行 我的程序处于调试模式。 如果输入 HTML 很大，预计这需要一些时间；一个 300k 的文件在我的机器上花了大约 10-15 秒才停止，结果是在文件的最后出现了一个错误。
- 看看lexbuf的内容。
lexbuf是一个字节数组，所以你的IDE可能不会显示为文本。也可能很大。您可能想查看词法分析器在 lexbuf 中查看的索引。如果必须，请获取字节数组的该部分并使用 ASCII table 交叉引用它以获取文本。
- 在您的 HTML. 中搜索该文本 假设它只出现一次，这就是您的错误。 （在我的例子中，正好出现了 3 次，果然，我报告了 3 个错误。）
这比它本来应该涉及的要多得多。我怀疑 Report.error() 被不当调用。
在我的例子中，error() 是用常量 BAD_CDATA_CONTENT 调用的。此常量仅由 Report.warning() 使用。 error() 不知道如何处理它，只是 静静地退出，没有任何消息。如果我将 Lexer.getCDATA() 中的调用从 error() 更改为 warning()，我会得到错误的确切行和列。 （我还得到了看起来格式合理的 XHTML，而不是空文档。）
我会向 JTidy 项目提交一张票并提供一些建议，但 SourceForge 出于某种原因不允许我登录。所以，这里：
- 鉴于此 "error" 似乎不会使文档无法解析，我暂时建议将该调用改为警告。 （在我的具体情况下，它是字符串常量内的 HTML 标记或
script 元素内的注释；不应该造成任何伤害。I asked another question about it，以防万一。）
Report.error() 应该有一个默认情况，如果它得到一个，报告一个未处理的错误代码。
希望这对遇到我猜想是一个相当深奥的问题的其他人有所帮助。
我有一大块以编程方式生成的 HTML。我 运行 通过 Tidy（版本 r938）使用以下 Java 代码：
StringReader inStr = new StringReader(htmlInput);
StringWriter outStr = new StringWriter();
Tidy tidy = new Tidy();
tidy.setXHTML(true);
tidy.parseDOM(inStr, outStr);
我得到以下输出：
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.
问题是，Tidy 没有告诉我它发现了哪 3 个错误。
我在这里撒了点小谎。上面的输出实际上跟在一长串所有 247 条警告之后（大部分删除了空的 div 元素）。我可以用 tidy.setShowWarnings(false) 压制那些；无论哪种方式，我都没有看到错误报告，所以我不知道我需要修复什么。 HTML 的 300Kb 对我来说太多了。
我尝试了多种方法来查找错误。我无法通过验证 运行 它。w3.org，很遗憾，因为 HTML 文件位于专有网络上。最有用的方法是在 IntelliJ IDEA 中打开它；这揭示了大约一打重复的 div ID，我修复了这些 ID。仍然出现错误。
我四处寻找其他提及此问题的地方。虽然我发现很多像 "How can I get the error/warning messages out of the parsed HTML using JTidy?" 这样的点击率，但它们似乎都要求不同的东西，或者假设条件对我来说根本不成立。例如，我收到警告就好了；这是我需要的 errors，即使我调用 setShowErrors(100) 或其他东西，也不会报告它们。
我是否必须 div进入 Tidy 的源代码并调试它，从它报告错误的地方开始？或者我可以做一些更简单的事情吗？
以下是我最终找出错误的方法：
- 下载JTidy的源码大部分人应该可以直接上the source.
- 将源代码解压缩到我的开发区。 就在我现有的源代码之上。这也意味着从我的 pom.xml 中删除 JTidy 的 Maven 条目。 （这也意味着击败 IntelliJ 提交（重新：编辑相关的 .iml 文件并多次重新启动 IJ）当它对此感到非常困惑时。）
- 在Report.error设置断点。第一行
org.w3.tidy.Report.error()递增lexer.errors；error()从词法分析器的许多地方被调用。 - 运行 我的程序处于调试模式。 如果输入 HTML 很大，预计这需要一些时间；一个 300k 的文件在我的机器上花了大约 10-15 秒才停止，结果是在文件的最后出现了一个错误。
- 看看lexbuf的内容。
lexbuf是一个字节数组，所以你的IDE可能不会显示为文本。也可能很大。您可能想查看词法分析器在lexbuf中查看的索引。如果必须，请获取字节数组的该部分并使用 ASCII table 交叉引用它以获取文本。 - 在您的 HTML. 中搜索该文本 假设它只出现一次，这就是您的错误。 （在我的例子中，正好出现了 3 次，果然，我报告了 3 个错误。）
这比它本来应该涉及的要多得多。我怀疑 Report.error() 被不当调用。
在我的例子中，error() 是用常量 BAD_CDATA_CONTENT 调用的。此常量仅由 Report.warning() 使用。 error() 不知道如何处理它，只是 静静地退出，没有任何消息。如果我将 Lexer.getCDATA() 中的调用从 error() 更改为 warning()，我会得到错误的确切行和列。 （我还得到了看起来格式合理的 XHTML，而不是空文档。）
我会向 JTidy 项目提交一张票并提供一些建议，但 SourceForge 出于某种原因不允许我登录。所以，这里：
- 鉴于此 "error" 似乎不会使文档无法解析，我暂时建议将该调用改为警告。 （在我的具体情况下，它是字符串常量内的 HTML 标记或
script元素内的注释；不应该造成任何伤害。I asked another question about it，以防万一。） Report.error()应该有一个默认情况，如果它得到一个，报告一个未处理的错误代码。
希望这对遇到我猜想是一个相当深奥的问题的其他人有所帮助。