上個月，java 技術講師 Sam Pullara 向我演示了他最新的支持 Java 的電話 Nokia 6630。這個手機使用了全面的技術 —— 嵌入式 JVM、GPRS 和藍牙，但是它也遭遇了所有智能手機都苦惱的問題 —— 有限的屏幕實際使用區。有些 Web 站點支持基于手機的瀏覽器，而且嵌入式瀏覽器也試圖在小小的屏幕上有效地渲染頁面，但是，在電話屏幕上查看典型的 Web 頁面，就像要把一頭大象強行塞進車后座一樣（其中的每個參與者都會感到失望，包括您、車和大象）。Sam 構建了一個簡單的、優雅的解決方案，從他喜歡的 Web 站點上對數據進行屏幕搜集，然后把數據重新格式化，在小屏幕上顯示。
新方法 從 Html 文檔提取數據的方法有許多種，但是我真的很喜歡 Sam 采用的方法：既把 XQuery 當作屏幕搜集工具（從頁面中提取相當的數據），又把它當作樣式表工具（重新格式化數據，以便數據適應頁面，不需要進行頁面滾動）。只要少量基礎設施和一些非常簡單的 XQuery 表達式，就可以從大量數據源提取出相關數據 —— 例如交通、天氣和財務報價等，并在電話上完好地顯示數據。
我過去經常處于這種情況：對 HTML 頁面進行屏幕搜集對某些特定問題來說似乎是可行的方案，但是幾乎沒有用于屏幕搜集的 Java 工具包。有許多 HTML 解析工具，但它們通常缺少足夠的抽象能力（把屏幕搜集代碼弄得亂七八糟），大量不符合 HTML 規范的應用限制了它們，它們也無法處理那些結構可能隨時間發生變化的、動態生成的頁面。
為了彌補質量低下的 HTML 和豐富的 xml 處理工具之間的空白，首先要把 HTML 轉換成 XML。許多工具有助于完成這項工作；JTidy 工具包做得很好，可以使這項工作變得輕松一些。JTidy 的設計目標是讀入典型質量（即很糟）的 HTML 并輸出更整潔的結果（有選項可供選擇），它還提供了一個 DOM 接口，用來遍歷能夠發送給 XML 解析器的 HTML 文檔。清單 1 中的代碼將從 InputStream 中讀取 HTML 文檔，并生成文檔的 DOM 表示：
用這個簡單的轉換，就差不多能把每個 Web 頁面都當作 XML 文檔進行處理，還能用自己喜歡的任何 XML 工具（比如 SAX、XSL、XPath，等等）提取數據。雖然 XSL 可能是很明智的選擇（因為其設計目標就是為了從 XML 文檔中提取信息并轉換這些信息，以便顯示它們），但是假如不了解 XSL 的話，它的學習曲線就很難把握，即使是最簡單的 XSL 轉換也復雜得讓人心煩。XPath 是處理信息提取的一個好選擇 —— XSL 和 XQuery 都用它進行內容選擇，可以很輕易地使用 XPath 把需要的數據提取出來，然后對 HTML 進行格式化，但是 XQuery 會讓這項工具更加輕易。
XQuery：簡介
XQuery 的設計目標是從可能非常大的 XML 數據集中提取數據。輸入的數據集不必是 XML 文檔，雖然它可能是 XML 文檔，但是也可能是已經編入索引并保存在 XML 數據庫中的文檔集合，甚至是一組關系數據庫中的表。像 SQL 一樣，XQuery 包含從多個數據集中提取數據、匯總數據、聚合數據和連接數據的函數。
就像 jsp、asp 或 Velocity 這樣的表示性模板語言一樣，XQuery 把兩個域（表示域和計算域）中的元素組合成一種組合語法。結果，所有 XML 文檔都自動成為有效的 XQuery 表達式，并對自身進行評估。XQuery 還包含一些語言語句（language statement），例如“for”和“let”，它們可以與 XML 元素混合使用。
