做一个类似爬虫的小品，要从网页上爬下数据来，处理后，保存。
试用了HTMLParser、NekoHtml、JTidy发现效果都不好，尤其是网页书写不规范的时候。
最后，选定了HTMLCleaner。几乎可以搞定所有网页。
用起来也很简单，网上大部分中文介绍都会有类似这样的代码示例：
TagNode root = cleaner.clean(text or url);
然后用这样的代码保存：
CleanerProperties properties = cleaner.getProperties(); PrettyXmlSerializer prettyXmlSerializer = new PrettyXmlSerializer(properties); prettyXmlSerializer.write(root, Writer, encoding);
不过，在测试的时候，爬126.com的首页。爬下来的页面，在浏览器里打开的时候，背景图打不开。
查看保存的文件发现，页面上的js，有些被在奇怪的地方换行了：
$id('styleConf').innerHTML = $id('styleconf' + n).innerHTML + '
<b class="ico ico-arr ico-arr-d">
</b>';
比如上面这样……
显然这种换行方法，会导致浏览器引起js错误（把String分成多行而没有续行符）。
分析后，觉得应该是HTMLClenter为了代码的美观，试图让每个Tag另起一行（遇到"<" 或者"<"、“>”对就换行，没仔细研究）
于是上官网看了下介绍：
http://htmlcleaner.sourceforge.net/parameters.php
并没有发现哪个设置是让Tag不换行的……
接着又仔细一想，应该不是Parser时候的问题——如果是的话，说明HTMLCleaner错把JS里面的内容解析为Tag了。不过显然没有（倒是HTMLParser有这样的迹象）
进一步输出查看，也印证了这样的假设——输出script标签的时候发现，类似刚才那种地方并没有换行。
也就是说，这种修改是在保存的时候发生的。
这才注意到，那个大多数介绍页面上，用来保存页面的类，叫做PrettyXmlSerialize ……- -！
查了API后，发现这么一段话：
凶手就是它没错了，就是它做了半吊子的事情：不是按照HTMLCleaner分析出来的Tag来决定哪应该换行，而自己擅自分析页面，乱换行……
找到原因就好办，又看了看API，发现另外两个类：SimpleXmlSerializer和SimpleHtmlSerializer
都是“without indenting lines”的……实际测试之后，发现效果差不多。
于是，问题解决。
想说：
如果怀着半吊子的心态的话……果然，多一事不如少一事……
如果恰巧有人用HTMLCleaner，又恰巧需要保存页面的话……
如果页面内容比较简单也就算了。如果想对复杂的话……
最好还是选择相对简单的保存方法——简单的，也许更好……