技术资料 > ASP技术 > XML相关 : 将html源代码规范化，转换成XSL代码的asp工具

将html源代码规范化，转换成XSL代码的asp工具

March 25,2004

将下面的四个文件存在同一级目录下，再在同目录下建立一个文件txt.txt。当要
处理html代码时，先将源代码拷入txt.txt，再进入index_transform.asp，
即可看到处理完的代码。

写这个东西的本意是因为：经常要对美工用切图软件生成的网页文件转换成xsl，
很头疼要花大量的时间去改写不规范的html代码。
这个东西对全文所有的html代码进行改动：
1.把所有标记都变成小写；
2.把标签的属性值都加上双引号；
3.把单端标签<hr>、<img……>、<input……>等，改成<hr/>……；
4.把单独属性selected变成：selected="selected"；

功能不完善之处：对html代码中，属性值内包含空格的情况不能正常处理；
对<script>、<style>标签里的不能正常处理。
因为是以空格为标志将标签里的各个属性值split成的数组，所以对属性值中
包含空格的还没做进一步处理。

OK,耽误大家时间了，看看这个东西能派上用场吗？
圣诞快乐~！ :)

==================================================
==================================================
'文件1：transform.asp◎◎◎◎◎◎◎◎◎◎◎◎◎◎◎◎◎
<%
'*****************************************
'Author:小乙
'时间:2000.12.20
'功能:初步完成对要被转换成XSL文件的：普通html代码语法规范化的功能
'运行环境：可运行asp的机子。在同级目录下把要处理的html代码copy到
'txt.txt文件里。
'***************************************
'================================================================================================
''''''''''''''''''''''''''''''''【对全文所有html源代码进行语法规范化】''''''''''''''''''''''''''''
'在这个函数里，调用了另外一个主要函数alone_tag，来处理从中摘出来的单个标签。
Function transform(txt)
dim alltmp '定义此字符串变量，随着被处理的大字符串减少而减短——只保留未处理的字符串部分。
alltmp=txt
alltmp=replace(alltmp," "," ")          'nbsp_tmp是替换掉文本中的字符实体&#nbsp;
'□■■■■■——进入全文的处理htm源代码的大处理循环——■■■■■□
do while trim(alltmp)<>""
'msgbox alltmp
index=0
index=InStr(1,alltmp,"<",1)

'根据index的值，判断"<"前面是否有文本？有:加到txt1；无:进行标签处理(index=1)——即进入标签处理分支
if index=1 then
index_right=InStr(1,alltmp,">",1)
tag=left(alltmp,index_right)             '取出alltmp临时串中">"前面的字符串
'对到这里的标签，判断如果标签不是后端标签，就调用处理标签大函数alone_tag
if mid(tag,2,1)<>"/" then
tag1=alone_tag(tag)
'tag1=tag+",,,,,|"
txt1=txt1+tag1
del_tag=len(tag)
else                   '否则对其它标签，就转为小写后，简单的加在txt1后面
txt1=txt1+LCase(tag)
del_tag=len(tag)
end if
else
if index>1 then
str_tmp=left(alltmp,index-1)
txt1=txt1+str_tmp                      'index<>1，说明前面有文本。
del_tag=len(left(alltmp,index-1))       '把"<"前面的属于文本的添加到新txt1大字符串中去。
end if
if index=0 then                         '当再也找不到<时(到了末尾)，把剩下的字符串全部加到txt1里，结束循环。
txt1=txt1+alltmp
del_tag=len(alltmp)
end if
end if

'把处理完的部分从原字符串中减掉
'response.write "alltmp="+alltmp

alltmp=right(alltmp,len(alltmp)-del_tag) '(如果标签长大于等于2个字符)这里有问题！12.14，下次再作！！

loop
''□■■■■■——离开全文的处理htm源代码的大处理循环——■■■■■□

'transform=txt1
txt1=replace(txt1," ="""" "," ")       '【这句是对付=""漏网之鱼 2000.12.15
txt1=replace(txt1," >",">")          '【这句是对付 >       2000.12.19
txt1=replace(txt1,"<tbody>","")       '【这句是对付<tbody> 2000.12.19
transform=replace(txt1,"</tbody>","")       '【这句是对付</tbody> 2000.12.19

End Function
''''''''''''''''''''''''''''''''【对全文所有html源代码进行语法规范化，结束】''''''''''''''''''''''''
%>

==================================================
==================================================
'文件2：index_transform.asp◎◎◎◎◎◎◎◎◎◎◎◎◎◎◎◎◎
<%@ Language="VBScript" %>


<%

'-------------------------------------本部分得到全文源代码，开始------------------------------------
dim txt       '源文件中的文本
dim txt1 '经过html语法规范化后的文件字符串。
dim tmpreadline '=thisfile.readline
txt="":txt1="":tmpReadAll=""
'取得源文件名称，及所在路径-------------
sourcefile="txt.txt"
sourcefile=Request.form("txtname")

'--------------------------新增部分，获得上传文本文件的内容------------2000.12.15
'txt=request.form("filecontent")
'if len(txt)<>"" then
'response.write "---------------"
'end if
'response.end
'--------------------------新增部分结束------------2000.12.15

'-----------------------------------------------------【正式开始操作文件】----------------------
whichfile=server.mappath("txt.txt")
'whichfile=server.mappath(sourcefile)
Set fs = CreateObject("Scripting.FileSystemObject")
Set thisfile = fs.OpenTextFile(whichfile, 1, False)
counter=0

tmpReadAll=thisfile.readall                         'ReadAll是读取全部文件内容。
txt=tmpReadAll
txt1=transform(cstr(tmpReadAll))
txt=server.htmlencode(txt)+" 【文件内容到此结束】"

'''''''''''''''''''''''''''''''''''''''''''''''''''''''

                                    '如果要看打印出来长字符串的效果，请取消上面这行注释。
'-------------------------------------本部分得到全文源代码，结束------------------------------------
%>

<%''''''''''''''''''''''''''''''【这里正式html页面开始】'''''''''''''''''''''''''''''''''''''''''%>

<html>
<head>
<title>倒数第二版</title>
<meta http-equiv="Content-Type" content="text/html; charset=gb2312">
</head>

<body bgcolor="#BFA49a">
<form method="post" action="index_transform.asp" name="form1">
  <table border="1" cellspacing="0" cellpadding="5" align="center" bgcolor="#99CCCC" bordercolor="#330066">
<tr>
   <td>
      <input type="text" name="txtname" value="txt.txt">
      　　
      <input type="file" name="filecontent">
      　
      <input type="submit" name="Submit" value="提交">
      <a href="#pagedown">到下面</a>
   </td>
</tr>
  </table>
</form> <br>

<form method="post" action="trans2.asp" name="form2" enctype="multipart/form-data">
  <table width="753" border="1" cellspacing="0" cellpadding="5" align="center" bgcolor="#99CCCC" bordercolor="#330066">
<tr bgcolor="#98AFE7" bordercolor="#FFCC99">
   <td bordercolor="#FFFFFF">原文：</td>
   <td bordercolor="#FFFFFF">处理后：</td>
</tr>
<tr>
   <td>
      <textarea name="txt" cols="50" rows="25" onFocus="this.select()" onclick="this.focus()">
<%=txt%>
</textarea>
   </td>
   <td>
      <%''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''%>
      <textarea name="txt" cols="50" rows="25" onFocus="this.select()" onclick="this.focus()">
<%=txt1%>
</textarea>
   </td>
</tr>
  </table>
  <div id="Layer1" style="position:absolute; width:68px; height:35px; z-index:1; left: 349px; top: 411px; background-color: #E7E7E9; layer-background-color: #E7E7E9; border: 1px none #000000">
<div align="center">
   <input type="submit" name="Submit2" value="提交">
   <INPUT TYPE=button NAME="view" VALUE="看源码" OnClick='window.location="view-source:" +window.location.href'>
</div>
  </div>
</form>

  <p> </p>

<br><a name="pagedown">
<hr size="1" align="center" width="90%" color="#88ff99">


<%=txt1%>


</body>
</html>

<%'释放资源
Erase strtag1
Erase strtag2
Erase strtag3

thisfile.Close
set thisfile=nothing
set fs=nothing
%>
==================================================
==================================================
'文件3：alone_tag.asp◎◎◎◎◎◎◎◎◎◎◎◎◎◎◎◎◎


<%
'tag="<hr bgcolor=""#ccFFFF"" size=4568481,dfafd selected>"

'----------------------------进入这里时应该已经得到一个完整的标签--------------------------------
'--------在此建立了一个大函数用来处理一个完整的标签里的属性值。一直到页面尾部为止。
function alone_tag(tag)
dim tag1          '定义处理完以后的标签，并在本函数末尾，将此值返还给alone_tag。
tag=LCase(tag)       '将标签命名为tag,并且为了美观，把所有字符串都改写成小写形式

'---------到此先准备好标签的自身，以备后面拼回标签的时候使用(减一是因为后面拼属性时把空格加上了)
dim tmpattri '此变量是临时字符串，包含一个标签中的所有属性值,利用它来求“属性数组：attribute”
index=InStr(1,tag," ",1)
tmpattri=right(tag,len(tag)-index)             '除去左侧标签
if len(tmpattri)>1 then
tmpattri=trim(left(tmpattri,len(tmpattri)-1)) '除去右侧">"，并去除两端空格(如果标签长大于等于2个字符)
end if

tmpattri=replace(tmpattri,chr(13)," ") '对源码中，一个标签不在一行里的情况，尚等待另行考虑处理。
tmpattri=replace(tmpattri,chr(10)," ")
tmpattri=replace(tmpattri,chr(10)&chr(13)," ")
tmpattri=replace(tmpattri,"  "," ")       '【这两句是对付当属性串里有多个空格的时候，
tmpattri=replace(tmpattri,"  "," ")       '【替换成一个空格，不过只能处理不超过16个空格的情况。
tmpattri=replace(tmpattri,"  "," ")
tmpattri=replace(tmpattri,"  "," ")
tmpattri=replace(tmpattri,"  "," ")
tmpattri=replace(tmpattri,"  "," ")
tmpattri=replace(tmpattri,"  "," ")
attribute=Split(tmpattri, " ", -1, 1) '新定义一个数组，是专为装载属性值而设的。Dim attribute
'msgbox "这里得到准备拆分属性数组的长字符串:  "+tmpattri

'--------------------到这里已经得到一个关于属性值的数组：attribute-------------------------------

'--------『这个循环是处理上面处理完毕的属性值字符数组(attribute)的』-------------------
'flag=0：说明单个属性有等于号，且有双引号——语法正常，后面对此标志忽略。 (例：width="325")
'flag=1：说明单个属性有等于号，且没有双引号——需要处理，对语法规范化       (例：width=325)
'flag=2：说明单个属性没有等于号(例：selected)
'flag=3：说明是单端标签，(例：<hr width="80%" size="1">)此语句在前面设标志，并进行处理
For count=0 to UBound(attribute, 1)       '一个元素的属性不多.
If InStr(1,attribute(count),"=",1)=0 Then
flag=2                               '单个属性串中没找到等于号。(例：selected)
Else
      IF InStr(1,attribute(count),"""",1)=0 Then
      flag=1                         '单个属性串中没找到等于号。(例：width=325)
      Else
      flag=0                         '单个属性串找到了等于号。(例：width="325")
         IF InStr(1,attribute(count),"""",1)>0 Then
         'attribute(count)=attribute(count)+attribute(count+1)
         'attribute(count+1)=""       '这两句是说，把下一个属性串的赋给它，把下一个属性串置为零。
         flag=4 '单个属性串找到了等于号,并且包含分号。(例：content="text/html; charset=gb2312")
         End IF
      End If
End If

'------------------对属性数组，根据上面打的不同标志来调用不同函数进行处理--------------
Select case flag
      case 0 attribute(count)=attribute(count)
      case 1 attribute(count)=func_flag1(attribute(count)) '调用函数func_flag1处理。(例：width=325)
      case 2 attribute(count)=func_flag2(attribute(count)) '调用函数func_flag2处理。(例：selected)
      case 3 attribute(count)=func_flag3(attribute(count)) '调用函数func_flag3处理单端标签(例：<img…)
      case 4 attribute(count)=(attribute(count))             '另行处理属性串之间包含分号、空格的情况
End Select
Next

count=0
for count=0 to UBound(attribute, 1)
attribute_tmp=attribute_tmp+" "+attribute(count) '属性值之间要有空格
next
'----------到这里已经把各个符合属性值规范的属性拼成一个串attribute_tmp，下面进行拼标签------
index=InStr(1,tag," ",1)
if InStr(1,tag," ",1)=0 and len(tag)<>"" then '当空格没找到(意味着是空属性值标签)，且没有到末尾时。
tag1=Replace(tag,">"," >")          '在此类标签(例<hr>)后尾加上一个空格
else
tag_self=left(tag,index-1)
'拼标签与属性串。
tag1=tag_self+attribute_tmp+">"
end if
'msgbox "tag_self"+tag_self
'msgbox "(要输出的标签串)tag1ssssssssssss:"+tag1

'-----------------到这里已经得到一个属性值规范的标签，但要开始对单端标签进行处理------------
'----替换单端标签--------
'count=0
for count=0 to UBound(strtag3,1)
if InStr(1,tag1,strtag3(count),1)<>0 then '这里利用到前面已切分好的属性标签
tag1=func_flag3(tag1)                      '对付单端标签——flag=3(例：<img…)
end if
next
'-----------------到这里已经得到一个完全语法规范化的标签。单端标签处理完毕------------
alone_tag=tag1
end function

'<SCRIPT LANGUAGE="javaScript">
'
'</SCRIPT>

%>

==================================================
==================================================
'文件4：func_flag.asp◎◎◎◎◎◎◎◎◎◎◎◎◎◎◎◎◎
<%
strtag_source1="<html ,<body ,<table ,<td ,<tr ,<option ,<font ,<div ,<span ,<h1 ,<h2 ,<form "
strtag1 = Split(strtag_source1, ",", -1, 1)

strattri_source2="selected,checked,norwap,readonly,noshade"          '单独属性
strtag2 = Split(strattri_source2, ",", -1, 1)

strtag_source3="<input ,<img ,<hr ,<br ,<meta"       '单端标签
strtag3 = Split(strtag_source3, ",", -1, 1)

''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''

'''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''
'-------------------以下是处理flag值的多个函数---------【保留】----开始
function func_flag1(tmp)'处理单个属性：(例：width=325)
index=InStr(1,tmp,"=",1)
z1=left(tmp,index)
z2=""""
z3=mid(tmp,index+1,len(tmp)-len(z1))
func_flag1=z1+z2+z3+z2
end function

function func_flag2(tmp)'(例：selected)
func_flag2=tmp+"="+""""+tmp+""""
end function

function func_flag3(tmp)'处理单端标签(例：<img…)
func_flag3=replace(cstr(tmp),">","/>")
end function
'-------------------以上是处理flag值的多个函数---------【保留】----结束
''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''
%>