jsoup 1.18.1 发布，Java HTML 解析器

相关文章推荐

发呆的作业本 · Excel复制文本带多余双引号，如何自动去除 ...· 1 月前 ·

不拘小节的单车 · 北京航空航天大学主页平台系统 ...· 1 年前 ·

独立的土豆 · 产品经理必须要掌握的12种思维模型-鸟哥笔记· 2 年前 ·

聪明伶俐的大海 · 难得！马斯克亲口承认特斯拉存在质量问题|马斯 ...· 2 年前 ·

朝气蓬勃的油条 · 当反穿设定融合文化内核，国漫《秦侠》的破圈进 ...· 2 年前 ·

气势凌人的开水瓶 · 上汽很难_新浪财经_新浪网· 2 年前 ·

jsoup 1.18.1 现已发布，新的流解析器提供了混合 DOM + SAX 事件驱动的解析接口、请求进度跟踪和许多其他改进。jsoup 是一个用于处理 real-world HTML 的 Java 库。它使用最好的 HTML5 DOM 方法和 CSS 选择器提供了一个非常方便的 API 用于提取和操作数据。

下载地址： https://jsoup.org/download

具体更新内容包括：

Stream Parser ：


    
     StreamParser

对输入进行渐进式解析。对于 URL 请求，可通过


    
     Connection.Response.streamParser()

获得。每个


    
     Element

完成时，都会通过


    Stream

或


    Iterator

interface 输出。返回的元素将包括其所有子元素以及（空的）下一个同级元素（如果适用）。元素（或其子元素）可能会在解析过程中从 DOM 中删除，例如为了节省内存，提供一种机制来解析输入文档，否则该文档会过于庞大而无法容纳在内存中，但仍然为文档及其元素提供 DOM 接口。此外，解析器还提供了一个


    
     selectFirst(String query)


    
     selectNext(String query)

，它将运行解析器直到找到匹配项，此时解析将暂停。可以通过另一个


    select()

调用或通过


    
     stream()

或


    
     iterator()

方法恢复解析。 #2096 （附示例）

Download Progress ：添加了一个 Response


    
     Progress

事件接口，用于报告下载进度和 URL（并解析）。通过


    
     Connection.onResponseProgress()

设置。会话和单个连接级别均受支持。 #2164 、 #656

添加了


    Path

accepting parse 方法：


    
     Jsoup.parse(Path)

，


    Jsoup.parse(path, charsetName, baseUri, parser)

等。 #2055

更新了


    button

标签配置，在


    
     Element.text()

方法中的多个按钮元素之间加入了空格。 #2105

在 namespace Selector 中增加了对


    ns|*

all 元素的支持。 #1811

在序列化过程中规范化属性名称时，无效字符现在将被替换为

, 而不是被删除。这将使处理过程更清晰，并且通常可以防止无效属性名称被意外强制转换。 #2143

删除了之前废弃的内部类和方法。 #2094

Build change：已构建 jar 的 OSGi 清单不再 imports itself。 #2158

Bug 修复

跟踪源位置时，如果第一个节点是 TextNode，则其位置被错误设置为

-1.

#2106

当连接（或重定向）到路径中包含诸如

之类的字符的 URL 时，将引发格式错误的 URL 异常（如果在开发中），或者 URL 可能无法正确转义（如果在生产中）。URL 编码过程已得到改进，可以正确处理这些字符。 #2142

在使用带有自定义输出文档的


    
     W3CDom

时，会引发空指针异常。 #2114

使用同级组合器（例如：


    h1:has(+h2)

）时，


    :has()

选择器无法正确匹配。# 2137

由于错误的短路，


    :empty

选择器错误地匹配了以空白文本节点开头、后跟非空节点的元素。# 2130


    
     Element.cssSelector()

在为类名中包含

或

的元素构建选择器时，会失败并显示“Did not find balanced marker” 。并且带有这些字符转义的选择器不会按预期匹配。 #2146

更新了


    Entities.escape(string)

，使转义文本适用于文本节点和属性（以前仅适用于文本节点）。这不会影响


    
     Element.html()

输出，它会根据是用于文本数据还是引用属性正确应用最小转义。 #1278

Fuzz：在规范化 regex 中解析精心设计的


    <base href>

URL 时可能会发生 Stack Overflow 异常。 #2165

更新公告： https://jsoup.org/news/release-1.18.1

jsoup 的详细介绍：点击查看

jsoup 的下载地址：点击下载