jsoup

jsoup: Java HTML パーサー

jsoupは、実際の HTML および XML を簡単に操作できるようにする Java ライブラリです。 DOM API メソッド、CSS、および xpath セレクターを使用した、URL のフェッチ、データ解析、抽出、および操作のための使いやすい API を提供します。

jsoup はWHATWG HTML5 仕様を実装し、HTML を最新のブラウザと同じ DOM に解析します。

• URL、ファイル、または文字列から HTML をスクレイピングして解析する
• DOM トラバーサルまたは CSS セレクターを使用してデータを検索および抽出する
• HTML 要素、属性、テキストを操作する
• ユーザーが送信したコンテンツをセーフリストに照らしてクリーンアップし、XSS 攻撃を防止します。
• きちんとしたHTMLを出力する

jsoup は、世の中に存在するあらゆる種類の HTML を処理できるように設計されています。初期状態から検証中のものまで、無効なタグスープまで。 jsoup は賢明な解析ツリーを作成します。

ダウンロードと完全な API ドキュメントについては、 jsoup.org を参照してください。

例

Wikipedia のホームページを取得して DOM に解析し、 In the Newsセクションから見出しを選択して要素のリストに追加します。

 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" ));
}

オンラインサンプル、完全なソース。

オープンソース

jsoup は、自由な MIT ライセンスの下で配布されるオープン ソース プロジェクトです。ソース コードは GitHub で入手できます。

はじめる

1. 最新の jsoup jar をダウンロードします (または、Maven/Gradle ビルドに追加します)。
2. 料理本を読む
3. 楽しむ！

Androidのサポート

Android プロジェクトで使用する場合、Java 8 以降の機能をサポートするには、NIO 仕様によるコア ライブラリの脱糖を有効にする必要があります。

開発とサポート

jsoup の使用方法についてご質問がある場合、または将来の開発に関するアイデアがある場合は、jsoup ディスカッション経由でご連絡ください。

問題を見つけた場合は、重複がないか確認した後、バグを報告してください。

奥付には、jsoup の歴史と、jsoup の構築に使用されたツールについて説明されています。

状態

jsoup は通常、安定版リリースです。