开源HTML解析工具包jsoup 1.3.1发布

作者 崔康 发布于 2010年8月26日

领域

企业架构,

运维 & 基础架构,

架构 & 设计,

语言 & 开发

主题

CSS ,

Java ,

标识语言 ,

HTTP ,

开源软件 ,

Web 2.0 ,

语言 ,

开放源代码 ,

W3C ,

API ,

规范 ,

编程 ,

解析 ,

XML ,

企业架构 ,

XML 数据绑定 ,

互联网 ,

github

分享到

jsoup是一款开源的HTML解析工具包，采用Java语言编写，通过精巧的API充分利用DOM、CSS和类jquery的方法抽取和操作数据。最近，jsoup 1.3.1正式发布，对上一版（1.2.3）做了重要更新，包括完成自主实现（无外部依赖）、改进Web连接方法等。

随着Web应用的不断发展，开发人员有时需要通过HTML解析功能实现客户需求。读者朋友可能对老牌HTML Parser Java库比较熟悉。其实，jsoup也是为了方便开发人员实现HTML解析而刚刚诞生（2010年初发起）的一款工具包。jsoup的主要功能包括：

• 解析，通过URL、文件或者字符串来分析HTML文档。
• 查找，通过DOM遍历或者CSS选择器来寻找和抽取数据。
• 操作，处理HTML元素、属性和文本。
• 检查，通过白名单机制来保护HTML内容的安全。

jsoup 1.3.1的主要更新包括：

• 完成了自主实现，在之前的版本中，jsoup依赖于Apache Commons-Lang的一些方法，如HTML内容解析等。在新版中，这些方法完全自主实现，不再需要外部依赖。一方面减少JVM的内存消耗，另一方面有助于开发人员入门。
• 改进Web连接方法，jsoup现在支持一种方便的connection接口，即Jsoup.connect(String url)。这种方法允许开发人员快捷地创建HTTP请求，包括指定用户代理、cookie、超时等等。方法的返回值可以直接被解析成Document。示例代码如下：

Document doc = Jsoup.connect("http://example.com")
  .data("query", "Java")
  .userAgent("Mozilla")
  .cookie("auth", "token")
  .timeout(3000)
  .post();  

• 增加了一些便捷方法，如Element.ownText()、Document.OutputSettings.prettyPrint(boolean)等。
• 改进了文档解析的性能。
• 修补了一些Bug。

感兴趣的读者朋友可以下载jsoup试用，查看其使用手册和文档说明。jsoup采用MIT协议开源，目前在GitHub上进行开发和维护，喜欢深究的朋友可以在此查看源代码。

崔康 热情的技术探索者，资深软件工程师，InfoQ编辑，从事企业级Web应用的相关工作，关注性能优化、Web技术、浏览器等领域。

相关厂商内容

保持某些系统的高可用性，是一些企业的重中之重，如何设计？

海量数据处理，海量视频分发，架构热点难点，尽在架构师峰会！

相关赞助商

ArchSummit全球架构师峰会报名启动！7折优惠，5月31日截止！

1. 返回顶部

   jquery风格的，不错哦！

   发表人 hu popoer

   jquery风格的，不错哦！

   回复

2. 返回顶部

   Re: jquery风格的，不错哦！

   发表人 崔 康

   jsoup作为新生力量，发展得比较快！

   jquery风格的，不错哦！

   回复

3. 返回顶部

   明明是Javascript嘛

   发表人 liu shimin

   是java 还是Javascript?

   回复

4. 返回顶部

   Re: 明明是Javascript嘛

   发表人 崔 康

   是java 还是Javascript?

   
   您好，jsoup是一套Java库

   回复