VUL4J-59

jsoup: Java-HTML-Parser, der aus realer HTML-Suppe Sinn macht.

jsoup ist eine Java-Bibliothek für die Arbeit mit realem HTML. Sie bietet eine sehr praktische API zum Extrahieren und Manipulieren von Daten und nutzt dabei das Beste aus DOM, CSS und jQuery-ähnlichen Methoden.

jsoup implementiert die WHATWG-HTML5-Spezifikation (http://whatwg.org/html) und parst HTML in dasselbe DOM wie moderne Browser.

• HTML aus einer URL, Datei oder einem String parsen
• Daten mithilfe von DOM-Traversierung oder CSS-Selektoren finden und extrahieren
• HTML-Elemente, Attribute und Text manipulieren
• benutzergenerierte Inhalte anhand einer sicheren Whitelist bereinigen, um XSS zu verhindern
• aufgeräumtes HTML ausgeben

jsoup ist dafür ausgelegt, mit allen Varianten von HTML umzugehen, die in freier Wildbahn vorkommen – von makellosem und valideem HTML bis hin zu ungültiger Tag-Suppe; jsoup erzeugt einen sinnvollen Parse-Baum.

jsoup läuft mit Java 1.5 und höher.

Downloads und Dokumentation finden Sie unter http://jsoup.org/.