jsoup：能够理解真实世界杂乱 HTML 的 Java HTML 解析器

jsoup 是一个用于处理真实世界 HTML 的 Java 库。它提供了非常便捷的 API，用于提取和操作数据，结合了 DOM、CSS 和类似 jQuery 方法的最佳特性。

jsoup 实现了 WHATWG HTML5 规范（http://whatwg.org/html），并将 HTML 解析为与现代浏览器相同的 DOM。

• 从 URL、文件或字符串解析 HTML
• 使用 DOM 遍历或 CSS 选择器查找并提取数据
• 操作 HTML 元素、属性和文本
• 根据安全白名单清理用户提交的内容，以防止 XSS
• 输出整洁的 HTML

jsoup 旨在处理现实世界中遇到的各种 HTML；从规范有效的 HTML 到无效的标签汤，jsoup 都会创建一个合理的解析树。

jsoup 可在 Java 1.5 及以上版本上运行。

有关下载和文档，请参阅 http://jsoup.org/。