jsoup : analyseur HTML Java qui donne un sens au HTML réel.

jsoup est une bibliothèque Java pour travailler avec du HTML réel. Elle fournit une API très pratique pour extraire et manipuler des données, utilisant le meilleur des méthodes DOM, CSS et similaires à jQuery.

jsoup implémente la spécification WHATWG HTML5 (http://whatwg.org/html) et analyse le HTML pour produire le même DOM que les navigateurs modernes.

• analyser le HTML depuis une URL, un fichier ou une chaîne
• trouver et extraire des données, en utilisant le parcours DOM ou les sélecteurs CSS
• manipuler les éléments, attributs et texte HTML
• nettoyer le contenu soumis par l'utilisateur contre une liste blanche sécurisée, pour prévenir XSS
• générer un HTML bien formaté

jsoup est conçu pour traiter toutes les variétés de HTML trouvées dans la nature ; du valide et conforme, au tag-soup invalide ; jsoup créera une arborescence d'analyse cohérente.

jsoup fonctionne sur Java 1.5 et versions ultérieures.

Voir http://jsoup.org/ pour les téléchargements et la documentation.