// HTML5_Trafo.java // Versucht, ein HTML-Dokument nach HTML5 zu transformieren; Schwerpunkt hin zu CSS // Am Ende muss aber noch ein visueller Text gemacht werden ! // Netz-Verweise: // W3-Konsortium http://www.w3.org/TR/html5 // WHATWG http://www.whatwg.org/specs/web-apps/current-work/multipage, http://whatwg.org/html5 // Validierung bei Einkopieren: http://validator.w3.org/#validate_by_input // zu tun: gültige Werte für meta-->name, link-->rel, nur in head, nicht in body import java.io.*; import java.util.List; import java.util.ArrayList; public class html5_trafo { final static boolean DEBUG = false; public static void main (String [] args) { if (args.length != 1) { System.out.println ("Aufruf: java html5_trafo "); return; } new html5_trafo().run(args[0]); } public void run(String eing) { final String htmlK = ""; File f = new File(eing); if (! (eing.indexOf(".html") >= 0 || eing.indexOf(".htm") >= 0)) { System.out.println ("Es ist keine HTML-Datei"); return; } try { BufferedReader dat = new BufferedReader (new FileReader(f)); String zeile = ""; int ab = 0; String einr = ""; int laenge; String tag=""; boolean istSkript = false; int i; String markeEnde; int markeLaenge; String letztes_offen = ""; int letztesIstEnde = 1; boolean DEBUG = false; String neu, suche; boolean ersteZeile = true; while ((neu = dat.readLine()) != null) { zeile = zeile + neu + System.getProperty("line.separator"); laenge = zeile.length(); // Sonderfall DOCTYPE 1.Zeile if (ersteZeile) { System.out.print(htmlK + System.getProperty("line.separator")); int st = zeile.indexOf("= 0) { int end = zeile.lastIndexOf(">"); if (end < 0) { System.out.println ("DOCTYPE nicht abgeschlossen"); System.exit(1); } zeile = zeile.substring(end+1); } ersteZeile = false; } // System.out.println (zeile); while ((ab >= 0) && (ab < laenge)) { if (istSkript) suche ="= zeile.length()) break; // nochmals lesen, um entscheiden zu können if (zeile.substring(ziel, ziel+4).equals(""; markeLaenge = 3; } // Sonderfall Kommentar else { markeEnde = ">"; markeLaenge = 1; } boolean neuladen = false; int vergl = ziel; int bis = -1; do { bis = zeile.indexOf(markeEnde, vergl); if (bis < 0) { neuladen = true; break; } // ggf. liegt dies in Anführungszeichen, z.B. Attributen int zielAnf = zeile.indexOf("\"", vergl); // suche das nächste Anführungszeichen if (zielAnf >= 0 && zielAnf < bis) { int danach = zeile.indexOf("\"", zielAnf+1); if (danach < 0) { neuladen = true; break; } // neu laden vergl = danach + 1; continue; // weitersuchen } else break; } while (true); if (neuladen) break; // Ende nicht gefunden, neu laden System.out.print (zeile.substring(ab, ziel)); // das vor dem Tag // Tag bestimmen, mit evt. beginnenden/endenden /; immer Kleinbuchstaben. tag = zeile.substring(ziel+1, bis + 1 - markeLaenge); char anf = tag.charAt(0); // Optionale Attribute wegnehmen, sind durch Leerzeichen getrennt String tag_ganz = tag; int leer = tag.indexOf(" "); if (leer >= 0) tag = tag.substring(0, leer); tag = tag.toLowerCase(); // Sonderfall im HTML: Skript if (tag.equals("script")) istSkript = true; else istSkript = false; /* tag_ganz enthält element und eine Liste von Attributen. */ if ((anf == '!') || (anf == '?')) { if ((zeile.indexOf("= 0) && (zeile.indexOf("xhtml") >= 0)) { System.out.println ("Es ist ein XHTML-Dokument, das anderer Verarbeitung bedarf"); System.exit(1); } // Sonderfall: Kommentar, DocType } else if (anf == '/') { // Elemente ersetzen String weiter = endelement_holen(tag); System.out.print (weiter); // Ende-Tag ausgeben } else // normales Starttag { // 1) Attribute testen List attribute = null; if (leer >= 0) { // Gehe die Attribute durch. Der StringTokenizer kann nicht verwendet werden, weil Leerzeichen keine // wirklichen Trenner sind, vgl. "name1 = wert1 name2 = "wert2" name3" attribute = new ArrayList(); String weiter = tag_ganz.substring(leer); // ... Attribute untersuchen attribute = attributliste_holen(weiter); // alte Attribute raus for (int lauf = 0; lauf < attribute.size(); ++lauf) { String rueck = attribut_obsolet(tag, (String) attribute.get(lauf)); attribute.set(lauf, rueck); } } // 2) Tag testen String weiter = element_obsolet(tag, attribute); // mehrere style-Attribute zusammenfassen weiter = verdichten (weiter); System.out.print(weiter); // Tag ausgeben } ab = bis + markeLaenge; } zeile = zeile.substring(ab); ab = 0; // verkleiner } dat.close(); } catch (IOException ex) { System.out.println (ex); } } // ---------------------------- behandelt obsolete Elemente ------------------------- // transformiert verworfene Elemente public String element_obsolet (String element, List attribute) { String rueck = null; if (element.equals("acronym")) { // acronym --> Aussprechbare Abkürzung, ? rueck = "abbr"; } // applet --> object-Element, embed else if (element.equals("basefont") || element.equals("font")) { // basefont: Attribut size --> CSS font-size, face --> CSS font-family, color --> CSS color // font --> Attribut size --> CSS font-size, face --> CSS font-family, color --> CSS color // ist leeres Element, solange gültig, bis aufgehoben // zu tun: bei basefont die Größen 1-6 richtig abbilden int standard = 10; String attrneu = ""; for (int i = 0; (attribute != null) && (i < attribute.size()); ++i) { String eintr = (String) attribute.get(i); int trenn = eintr.indexOf("="); String links = eintr.substring(0,trenn); String rechts = attrWert(eintr); // zu tun: bei basefont noch eine der 7 Stufen richtig umsetzen if (rechts.charAt(0) == '-') { rechts = new Integer(standard - new Integer(rechts.substring(1)).intValue()).toString(); } else if (rechts.charAt(0) == '+') { rechts = new Integer(standard + new Integer(rechts.substring(1)).intValue()).toString(); } if (links.equals("size")) attrneu += ("font-size:" + rechts + "pt; "); else if (links.equals("face")) attrneu += (" font-family:" + rechts + ";"); else if (links.equals("color")) attrneu += (" color:" + rechts + ";"); } rueck = "span style=\"" + attrneu + "\""; } else if (element.equals("big")) { // big --> CSS font-size:large rueck = "span style=\"font-size:large\""; } else if (element.equals("center")) { // center --> CSS text-align:center rueck = "span style=\"text-align:center\""; } // frame --> CSS position:fixed in Verbindung mit größeren Bereichen // frameset --> CSS position:fixed in "" else if (element.equals("isindex")) { // isindex --> String attrneu = "Sie können diesen Index durchsuchen. Geben Sie Stichwörter ein, nach denen Sie suchen möchten:"; if (attribute != null) { String eintr = (String) attribute.get(0); int trenn = eintr.indexOf("="); String links = eintr.substring(0,trenn); String rechts = attrWert(eintr); if (links.equals("prompt")) { attrneu = rechts; } } rueck = "hr>" + attrneu + " ? else if (element.equals("s") || element.equals("strike")) { // s --> CSS text-decoration:line-through // strike --> CSS text-decoration:line-through rueck = "span style=\"text-decoration:line-through\""; } else if (element.equals("small")) { // small --> CSS font-size:small rueck = "span style=\"font-size:small\""; } else if (element.equals("tt") || element.equals("xmp") || element.equals("plaintext") || element.equals("listing") ) { // tt --> CSS font-family:courier // xmp --> CSS font-family:courier // plaintext --> CSS font-family:courier // listing --> CSS font-family:courier rueck = "span style=\"font-family:courier\""; } else if (element.equals("u")) { // u --> CSS text-decoration:underline rueck = "span style=\"text-decoration:underline\""; } else // wichtig: alle anderen Tags mit Attributen weiterreichen { rueck = element; for (int i = 0; (attribute != null) && (i < attribute.size()); ++i) { rueck += " " + (String) attribute.get(i); } } return "<" + rueck + ">"; // damit auch /> von xhtml beseitigt } // gibt Ende-Elemente zurück public String endelement_holen(String element) { String rueck = null; if (element.equals("/big") || element.equals("/small") || element.equals("/center") || element.equals("/strike") || element.equals("/s") || element.equals("/font") || element.equals("/tt") || element.equals("/u") || element.equals("/xmp") || element.equals("/plaintext") ) { rueck = "/span"; } else if (element.equals("/acronym")) { rueck = "/abbr"; } else if (element.equals("/basefont")) // eigentl. leere Elemente löschen { return ""; } else { rueck = element; } return "<" + rueck + ">"; } // zerlegt die Attribute, gibt eine Liste davon zurück List attributliste_holen (String eingabe) { // String tokenizer kann nicht verwendet werden, weil Leerzeichen auch in style-Angaben vorkommen können List erg = new ArrayList(); // Normalisieren for (int i = 0; i < eingabe.length(); /* s.u. */) { char aktuell = eingabe.charAt(i); boolean weg = false; if ((aktuell == ' ') && (i == 0 || i == eingabe.length()-1)) weg = true; // am Anfang und Ende else if ((aktuell == ' ') && (eingabe.charAt(i-1) == '=')) weg = true; // hinter gleich else if ((aktuell == ' ') && (i < eingabe.length() - 1)) { char danach = eingabe.charAt(i+1); if ((danach == ' ') || (danach == '=')) weg = true; // doppelte Leerzeichen, vor gleich } else if (aktuell == '\"') { int weiter = eingabe.indexOf("\"", i+1); // Sonderfall z.B. style in "..." if (weiter < 0) { System.out.println ("Kein Anf.zeichen-Ende gefunden in " + eingabe + " ab " + i); System.exit(1); } i = weiter + 1; continue; } if (weg) { eingabe = eingabe.substring(0,i) + eingabe.substring(i+1); } else i++; } // System.out.println ("DEBUG: Attribute-Kette ist " + eingabe); // nach Leerzeichen(Trenner) unter Beachtung von Anführungszeichen suchen int ab = 0; if (eingabe.length() == 0) return erg; // leer while ((ab >= 0) && (ab < eingabe.length())) { int suche1 = eingabe.indexOf(" ", ab); int ab_sicher = ab; int suche2 = eingabe.indexOf("\"", ab); if ((suche1 < 0) && (suche2 < 0)) { erg.add(eingabe.substring(ab)); break; } if ((suche2 >= 0) && (suche1 < 0 || suche1 > suche2)) // Anf.zeichen ist entscheidend { int bis = eingabe.indexOf("\"", suche2+1); erg.add(eingabe.substring(ab, bis+1)); ab = bis+2; } else if ((suche1 >= 0) && (suche2 < 0 || suche2 > suche1)) // Leerzeichen ist entscheidend { erg.add(eingabe.substring(ab, suche1)); ab = suche1+1; } if (ab == ab_sicher) { System.out.println ("Bei " + ab + " mit " + eingabe); System.exit(1); } } if (DEBUG) { System.out.println ("Ausgabe der Liste mit Größe " + erg.size()); for (int i = 0; i < erg.size(); ++i) { String was = (String) erg.get(i); System.out.println(was); } System.out.println ("Ende der Liste"); warten(); } return erg; // Liste zurückliefern } // transformiert verworfene Attribute // noch zu tun: Unterscheidung Attribute mit "=" und ohne dessen; mit und ohne Anführungszeichen // mehrere Style später zu einem zusammenpacken, sonst mag der IE nur das erste. public String attribut_obsolet (String element, String attribut) { // Fuer Vergleich auf Kleinschreibung umschalten int tr = attribut.indexOf("="); if (tr < 0) attribut = attribut.toLowerCase(); else attribut = attribut.substring(0,tr).toLowerCase() + attribut.substring(tr); if (false) {} else if (attribut.startsWith("align")) { // align --> CSS: text-align:center return "style=\"text-align:" + attrWert(attribut) + "\""; } else if (attribut.startsWith("alink")) { // alink --> in body, CSS a:hover und a:active return "style=\"a:active {color:" + attrWert(attribut) + "}\""; } // archive --> in applet, object, Liste für jar/uri else if (attribut.startsWith("background")) { // background --> CSS background-image; ggf. durch background-repeat ergänzt return "style=\"background-image:url(" + attrWert(attribut) + ")\""; } else if (attribut.startsWith("bgcolor")) { // bgcolor --> CSS background-color return "style=\"background-color:" + attrWert(attribut) + "\""; } else if (attribut.startsWith("border")) // z.B. bei table { // border --> CSS border return "style=\"border:" + attrWert(attribut) + "\""; } else if (attribut.startsWith("cellpadding")) // z.B. bei table; Abstand in Zellen { // cellpadding --> in table Elementen, CSS padding in th und td-elementen verwenden return "style=\"padding:" + attrWert(attribut) + "\""; } else if (attribut.startsWith("cellspacing")) // z.B. bei table; Abstand außerhalb Zellen { // cellspacing --> CSS border-spacing return "style=\"border-spacing:" + attrWert(attribut) + "\""; } // classid --> Eindeutige Bez. im object, ? else if (attribut.startsWith("clear")) { // clear --> im br, CSS clear return "style=\"clear:" + attrWert(attribut) + "\""; } // color --> in basefont, font, CSS color; Elemente sind obsolet !! else if (attribut.startsWith("compact")) { // compact --> bei dir,dl und pre, CSS letter-spacing return "style=\"letter-spacing:1\""; } // event --> in srcript, mit event-listening gelöst // for --> in script // face --> in font, base-font, CSS font-family; font ist obsolet ! // frame --> in table, CSS border-left, border-right, border-top, border-bottom else if (attribut.startsWith("frameborder")) { // frameborder --> in frameset, frame, bei iframe mit CSS border return "style=\"border:" + attrWert(attribut) + "\""; } else if (!element.equals("img") && attribut.startsWith("height")) // zu tun: wann genau { // height --> bei td und th return "style=\"height:" + attrWert(attribut) + "\""; } // href: darf keine Leerzeichen haben, %20 stattdessen else if (attribut.startsWith("hspace")) { // hspace --> CSS margin-left, margin-right return "style=\"margin-left:" + attrWert(attribut) + "; " + "margin-right:" + attrWert(attribut) + "\""; } else if (attribut.startsWith("link")) { // link --> im body, CSS a:link return "style=\"a:link:" + attrWert(attribut) + "\""; } else if (attribut.startsWith("marginheight")) { // marginheight --> in frameset und frame, bei iframe CSS padding return "style=\"padding:" + attrWert(attribut) + "\""; } else if (attribut.startsWith("marginwidth")) { // marginwidth --> in frameset und frame, bei iframe CSS padding return "style=\"padding:" + attrWert(attribut) + "\""; } else if (attribut.startsWith("name") && element.equals("a")) { // name bei a --> es soll Id verwendet werden return "id=\"" + attrWert(attribut) + "\""; // zu tun: schaue, ob es schon ein id gibt } // noresize --> in frameset, frame, ? else if (attribut.startsWith("noshade")) { // noshade --> CSS height:2px, border-width:0, color:gray, background-color:gray return "style=\"height:2px; border-width:0; color:gray; background-color:gray\""; } else if (attribut.startsWith("nowrap")) { // nowrap --> CSS white-space:nowrap auf td-Elemente return "style=\"white-space:nowrap\""; } // prompt --> bei isindex, ? // rules --> in table-Elemente, CSS border auf Elemente wie col, colgroup, tr, thead, tbody oder tfoot else if (attribut.startsWith("scrolling")) { // scrolling --> in frames, bei iframe CSS overflow return "style=\"overflow:" + attrWert(attribut) + "\""; } // shape, coords bei a else if ((attribut.startsWith("shape") || attribut.startsWith("coords")) && (element.equals("a"))) { return ""; } else if (attribut.startsWith("size") && element.equals("hr")) { // size --> in basefont oder font, CSS font-size; Elemente obsolet. Bei hr zu behandeln return "style=\"font-size:" + attrWert(attribut) + "\""; } // standby --> in object, ? // summary bei table --> auf caption Element zugreifen else if (attribut.startsWith("target") && element.equals("link")) { return ""; } else if (attribut.startsWith("text")) { // text --> in body, CSS color auf body return "style=\"color:" + attrWert(attribut) + "\""; } else if (attribut.startsWith("type") && (element.equals("li") || element.equals("ol") || element.equals("ul") )) { // type --> bei li, ol und ul String kompl = attrWert(attribut); char art = kompl.charAt(0); String neu; if (kompl.equalsIgnoreCase("disc")) neu = "disc"; else if (art == 'a') neu = "lower-alpha"; else if (art == 'A') neu = "upper-alpha"; else if (art == 'i') neu = "lower-roman"; else if (art == 'I') neu = "upper-roman"; else neu = "decimal"; // zu tun: was ist mit none, square, circle ? return "style=\"list-style-type:" + neu + "\""; } else if (attribut.startsWith("valign")) { // valign --> bei col, colgroup, tbody, td, tfoot, th, thead und tr return "style=\"vertical-align:" + attrWert(attribut) + "\""; } // valuetype --> in object, ? else if (attribut.startsWith("vlink")) { // vlink --> in body, CSS a:visited return "style=\"a:visited:" + attrWert(attribut) + "\""; } else if (attribut.startsWith("vspace")) { // vspace --> CSS margin-top und margin-bottom return "style=\"margin-top:" + attrWert(attribut) + "; " + "margin-bottom:" + attrWert(attribut) + "\""; } else if (!element.equals("img") && attribut.startsWith("width")) { // width --> bei hr, table, td, th, col, colgroup und pre return "style=\"width:" + attrWert(attribut) + "\""; } // Hier die ersatzlos weggefallenen elemente else if (attribut.startsWith("version") || attribut.startsWith("axis") || attribut.startsWith("abbr") || attribut.startsWith("scheme") || attribut.startsWith("profile") || attribut.startsWith("rev") || attribut.startsWith("char") || attribut.startsWith("code") || attribut.startsWith("declare") || attribut.startsWith("longdesc") || attribut.startsWith("scope") || attribut.startsWith("nohref") || attribut.startsWith("language") ) { // axis --> in td, wegen mangel. Praxisrel. gestrichen // abbr in td-Elementen, --> ? // char --> momentan kein Ersatz // charoff --> kein Ersatz // charset --> bei a und link; entfernt // code --> im applet, entfernt // codebase --> im applet, entfernt // codetype --> im object, entfernt // declare --> in object, entfernt // nohref --> nur in area, keinen Bereich notieren // language --> bei script, kann entfallen; nimmt dann Javascript an // longdesc --> ? // profile --> in head, RDF, Microformat etc. // rev --> in link, a, area, Validator sagt, mit rel und ungekehrter Bedeutung // scheme --> in meta-Element // scope --> bei td, th ? // version --> in html return ""; } return attribut; } // holt Attributwert, nimmt linke und rechte Anführungszeichen weg private static String attrWert(String eingabe) { int su = eingabe.indexOf("="); if (su < 0) { System.out.println("Kein Attributwert gefunden"); System.exit(1); } eingabe = eingabe.substring(su+1); // hinter '=' if (eingabe.charAt(0) == '\"') eingabe = eingabe.substring(1); if (eingabe.charAt(eingabe.length()-1) == '\"') eingabe = eingabe.substring(0, eingabe.length()-1); return eingabe; } // ---------------------------------------------------- // Abschnitt 2: Proprietaere Elemente der Hersteller // transformiert proprietäre Elemente void element_proprietaer(String element) { // bgsound --> mit Flash // blink --> CSS text-blink:blink // ilayer --> CSS position:absolute position:relative // layer --> CSS position:absolute position:relative // marquee --> CSS overflow-style, marquee-direction, marquee-play-count, marquee-speed, marquee-style // multicol --> CSS column-count, column-width, column-gap, column-rule // nobr --> CSS white-space:nowrap // spacer --> CSS margin, padding } // transformiert proprietäre Attribute void attribut_proprietaer (String attribut) { // above --> in layer, CSS z-index // behavior --> in marquee, ? // below --> in CSS z-index // bgproperties --> in body, CSS background-attachment:fixed auf body // bordercolor --> ? // bordercolordark, bordercolorlight --> ? // clip --> CSS clip // controls --> in img, ? // direction --> in marquee, ? // framespacing --> ? // dynsrc --> in img, ? // gutter --> in multicol, CSS padding-left, padding-right // internal --> in img, ? // left --> in layer, CSS left // leftmargin --> in body, CSS padding-left, padding-right auf body // loop --> in embed, ? // lowsrc --> in img, ? // scrollamount --> in marquee, ? // scrolldelay --> in marquee, ? // start --> in img, ? // top --> in layer, CSS top // topmargin --> in body, CSS padding-top padding-bottom auf body // wrap --> in textarea, ? // z-index --> in layer, z-index } // fasst mehrere style-Attribute zu einem zusammen String verdichten (String eingabe) { int ab = 0; int einf = -1; int weiter = -1; while ((weiter = eingabe.indexOf("style=", ab)) >= 0) { int start = weiter; weiter += 6; int ende; if (eingabe.charAt(weiter) == '\"') { // Attribut in Anführungszeichen ++weiter; ende = eingabe.indexOf("\"", weiter); } else { // Attribut ohne Anführungszeichen, also mit Leer getrennt while (eingabe.charAt(weiter) == ' ') ++weiter; ende = eingabe.indexOf(" ", weiter); } if (ende < 0) { System.out.println ("Tag-Ende nicht gefunden"); System.exit(1); } if (einf == -1) { // Einfügeposition ermitteln einf = weiter; ab = ende + 1; } else { // Zusammensetzen int diff = (ende - weiter) + 1; // Strichpunkt und leer eingabe = eingabe.substring(0, einf) + eingabe.substring(weiter,ende) + "; " + eingabe.substring(einf, start) + eingabe.substring(ende+1); ab = start + diff; // Weitersuche setzen } } return eingabe; } private final static void warten() { try { int zeichen; while ((zeichen = System.in.read()) != '\n'); } catch (IOException ex) {} } }