如何從HTML中剝離無意義的空白空間

我必須比較不同版本的HTML頁面以進行格式設置和文本更改。不幸的是，創建它們的人/公司使用某種HTML編輯器，每次都重新包裝所有的HTML（並增加了大量的空白），這使得很難區分它們。所以我正在尋找一種工具（最好是一個Java庫），它可以重新格式化我的HTML，以便刪除所有不重要的空格和換行符。如何從HTML中剝離無意義的空白空間

這意味着，在

<h1>First Headline</h1> <h2>Second headline</h2>

</h1>和<h2>之間的空間應該被刪除，但在

<b>formatted</b> <i>text</i>

空白可以不被去除。我不在乎<pre>,<textarea>或<script>塊，也沒有關於可以改變行爲的CSS空白屬性 - 我只是尋找一種解決方案，去除大部分不必要的空白（並且最好留出太多空白，而不是太少）。（我已經摺疊了多個空格，並在標籤之前重新添加換行符而不是空格，以使文本更具可讀性 - 但仍然有太多情況，例如標題或表格單元格/行之間的新換行符會破壞我的內容簡單的「解決方案」）。

來源

2009-12-26 mihi

它是DOM兼容乾淨的HTML？在這種情況下你有更多的選擇。 – bmargulies 2009-12-26 13:18:32

它遠遠不合規。不知道哪（wysiwyg）工具被用來創建和編輯文件，但HTML是可怕的（多頭/身體標籤，很多丟失和等）。 – mihi 2009-12-26 14:23:14

，別忘了像th是 ... – mihi 2009-12-26 14:25:09