提取网页中图片周围的文本

Question

请问大家一下呵，现在要提取网页中图片周围的文本，我的思路是先把HTML网页转换成XML文档，然后利用DOM解析提取XML文档中所需要的信息？
这个思路对吗？
谢谢呵呵

Answer 1

首先你图片周围的文字是怎么样的？
其次HTML转XML如果全英文的好办，带汉字的就OVER了。
PS：有朋友能把带有汉字的HTML转XML的程序希望交流下。

Answer 2

首先HTML转XML有什么好方法吗
现在有好多小软件什么TIDY可以吗？