jsoup

jsoup: analizador HTML de Java

jsoup es una biblioteca de Java que facilita el trabajo con HTML y XML del mundo real. Ofrece una API fácil de usar para la obtención de URL, el análisis, la extracción y la manipulación de datos mediante métodos API DOM, CSS y selectores xpath.

jsoup implementa la especificación WHATWG HTML5 y analiza HTML en el mismo DOM que los navegadores modernos.

• extraer y analizar HTML de una URL, archivo o cadena
• buscar y extraer datos mediante recorrido DOM o selectores CSS
• manipular los elementos, atributos y texto HTML
• Limpiar el contenido enviado por el usuario comparándolo con una lista segura para evitar ataques XSS.
• salida HTML ordenada

jsoup está diseñado para manejar todas las variedades de HTML que se encuentran en la naturaleza; desde prístino y validador hasta sopa de etiquetas no válidas; jsoup creará un árbol de análisis sensato.

Consulte jsoup.org para descargas y la documentación completa de la API.

Ejemplo

Busque la página de inicio de Wikipedia, analícela en un DOM y seleccione los titulares de la sección En las noticias en una lista de Elementos:

 Document doc = Jsoup . connect ( "https://en.wikipedia.org/" ). get ();
log ( doc . title ());
Elements newsHeadlines = doc . select ( "#mp-itn b a" );
for ( Element headline : newsHeadlines ) {
  log ( "%s n t %s" , 
    headline . attr ( "title" ), headline . absUrl ( "href" ));
}

Muestra en línea, fuente completa.

Código abierto

jsoup es un proyecto de código abierto distribuido bajo la licencia liberal del MIT. El código fuente está disponible en GitHub.

Empezando

1. Descargue el último jar jsoup (o agréguelo a su compilación Maven/Gradle)
2. leer el libro de cocina
3. ¡Disfrutar!

soporte de Android

Cuando se utiliza en proyectos de Android, la biblioteca principal desazucarada con la especificación NIO debe habilitarse para admitir funciones de Java 8+.

Desarrollo y soporte

Si tiene alguna pregunta sobre cómo utilizar jsoup o tiene ideas para desarrollo futuro, póngase en contacto a través de jsoup Discussions.

Si encuentra algún problema, presente un informe de error después de buscar duplicados.

El colofón habla sobre la historia y las herramientas utilizadas para construir jsoup.

Estado

jsoup es, en general, una versión estable.