Jericho HTML Parser

描述

Jericho HTML Parser 是一个 java 库，允许分析和操作 HTML 文档的某些部分，包括服务器端标签，同时逐字复制任何无法识别或无效的 HTML。解析器显式识别 ASP、JSP、PSP、PHP 和 Mason 服务器标签。这意味着即使其中有服务器标签，正常的 HTML 仍然可以正确解析，这在例如动态设置元素属性时很常见。它具有从 HTML 标记中提取所有文本、使用简单文本格式呈现 HTML 标记、根据元素在文档元素层次结构中的深度来格式化 HTML 源代码以及通过删除所有不必要的白色来压缩 HTML 源代码的内置功能空间。