一个目录下面有许多的子目录，每个子目录下有一个html文件和一个和html文件关联的pdf文件，我想用java编个程序把所有的.html格式文件检索出来并且应用jtidy转换为xml格式的，再使用jdom解析xml文件（除去无用的冗余的显示信息）只需要得到里面的有用信息，生成另外一个标准的xml文件，把最后得到的xml和原来的pdf文件批量放到oracle数据库中，请问高手
1.如果可能的话程序应该如何编写？（给出分步代码也可）
2.如何解决使用jtidy转换成xml文件的中文字符问题？
3.解析xml文件使用jdom恰不恰当，如何使用？
4.最后的xml文件和pdf文件怎么一起入库？
拜托，多谢！
------解决方案--------------------
好像比较复杂啊，先研究研究看有没有可能
------解决方案--------------------
以前回答过把html转成xml，没有这么复杂的。替楼主顶起来吧
------解决方案--------------------
关注
顶
------解决方案--------------------
1.从网上搜一下，应该可以搜到html转成xml的程序
2.可以先把汉字转成unicode，然后读出的时候在转回去
3.http://www.it.com.cn/f/edu/053/27/93819.htm你可以参考一下看你采用什么解析方式比较的合适
4.xml和pdf可以采用二进制的方式存入数据库，按照blob字段的存入方法写入数据库就可以吧
个人意见，仅作参考
------解决方案--------------------
我是楼主，中文乱码问题已经解决了，用的就是fengmingjie(木林森) 的方法，把编码转换一下，现在正在用提取生成的xml中的有用的信息，看了一些文章，好像dom4j不错，各位有用过的没有，另外还有个问题，我转换是批量转换，请问名字怎么办啊，比如说有a.html，d.html，t.html，w.html…………，转换完成后是a.xml，d.xml，t.xml，w.xml…………