Dateien filtern

[waxalot]

Nabend zusammen,

ich habe eine Frage bezüglich des "filterns" von einer .html Datei. Ist es auf eine, euch bekannte, Weise möglich eine bestehende .html Datei mit versteckten Sonderzeichen so auszulesen und zu filtern, um sie anschließend wieder in eine neue Datei ohne Sonderzeichen speichern zu können?

Ich habe das Problem, dass ich zum erzeugen meiner .html Dateien den MSXSL Parser verwende und dieser baut in die erzeugten .html Datein "versteckten" Code ein. Ich weiß das klingt jetzt seltsam, doch glaubt mir.
Wäre es nicht irgendwie möglich diese .html Dateien zeilenweise auszulesen und Java zu sagen, dass es nur den "normalen" html-code nehmen soll , um diesen dann anschließend in eine neue Datei zu schreiben?
So nach dem Motto: Alles was eh irgendwie n seltsamer versteckter Zeichensatz ist, sieht Java vielleicht auch garnicht und daher geschieht die Filterung automatisch.... *träum*

MfG Markus

 

[meez]

Naja...warum sollte das nicht möglich sein..
Schreib halt eine HTML Parser...

 

[Roar]

was ist "versteckter code" und "normaler code" ?

 

[waxalot]

Also um das ganze mal etwas genauer zu erläutern:

Falls man sich die erzeugten HTML Files z.B. unter Windows mit dem NotePad anschaut, sieht alles ganz normal aus. Sprich es ist NUR der reine HTML Code zu sehen. Jetzt gerade habe ich aber mal probiert eine Zeile mittels eines BufferedReaders auszulesen und dann sieht die erste Zeile plötzlich so aus:

ÿþ<h t m l>

Zwischen den einzelnen Buchstaben des html-tags müsst ihr euch jetzt noch ein seltsames Quadrat denken, welches ich nicht per copy und paste hier rein packen konnte. :?

 

[Roar]

uff... dann stell das encoding entweder im parser oder im java Reader entsprechend um.

 

[waxalot]

Aha, also im Parser kann ich da leider nichts umstellen. Aber wie hattest Du dir das mit dem Java Reader vorgestellt? Kann ich da schon beim erzeugen des Reader Objekts einstellen welchen Code er verstehen soll? Also quasi Zeichensatz?

 

[Roar]

Aha, also im Parser kann ich da leider nichts umstellen.

hm, glaub ich nich so wirklich ???:L

Kann ich da schon beim erzeugen des Reader Objekts einstellen welchen Code er verstehen soll? Also quasi Zeichensatz?

ja, im konstruktor von InputStreamReader:
new InputStreamReader(new FileInputStream("bubu.html"), encoding);
wobei encoding z.b. "UTF-16" ist, jenachdem...

 

[waxalot]

Vielen Dank, also ich probier das jetzt gleich mal aus. Was ich bis jetzt gesehen habe hat geklappt. Also das mit dem InputStreamReader. Wenn ich den auf UTF-16 z.B. stelle, dann kommt bei der Ausgabe "sauberer" Code raus.

Danke schonmal