trình phân tích cú pháp html tốt nhất cho java là gì?

Question

Giả sử chúng ta phải sử dụng java, trình phân tích cú pháp html tốt nhất là gì để phân tích rất nhiều nội dung html khác nhau và cũng không đòi hỏi nhiều mã để làm các loại phân tích phức tạp?

Answer 1

Tôi muốn giới thiệu Jsoup cho việc này. Nó có một API rất đẹp với sự hỗ trợ cho jQuery like CSS selectors and non-verbose element iteration. Để có một bản sao của this answer là một ví dụ, đây in câu hỏi của riêng bạn và tên của tất cả người trả lời ở đây:

URL url = new URL("https://stackoverflow.com/questions/3121136"); 
Document document = Jsoup.parse(url, 3000); 

String question = document.select("#question .post-text").text(); 
System.out.println("Question: " + question); 

Elements answerers = document.select("#answers .user-details a"); 
for (Element answerer : answerers) { 
    System.out.println("Answerer: " + answerer.text()); 
} 

Một thay thế sẽ là XPath, nhưng JSoup là hữu ích hơn cho webdevelopers người đã có một nắm bắt tốt về Bộ chọn CSS.

Answer 2

Điều tốt nhất sẽ là công việc được thực hiện đúng.

Có một opensource một gọi tagsoup, và cũng jTidy