JTidy的Jar包，用于清洗Html网页并可以将其转换为相应的Xml或是Xhtml文件。

基于java的网页信息抽取小程序，可以抽取网页信息-Web information extraction based on java applets, can be extracted web page information

用JTidy将html文件转换成xml文件例子，网上例程，实现了一下，1.html为样式文件，1.xslt为抽取规则（不同网页自己修改），1.xml为结果-Html file with JTidy to convert xml file example, online routine to achieve the look, 1.html as a style file, 1.xslt for the extraction rules