• TagSoup


    TagSoup是一个Java开发符合SAX的HTML解析器.
    点击次数   官方主页【官方主页】   下载地址【下载地址】

    网友留言/评论

    我要留言/评论

    相关开源项目

    Jericho HTML Parser:Jericho HTML Parser是一个简单而功能强大的Java HTML解析器库,可以分析和处理HTML文档的一部分,包括一些通用的服务器端标签,同时也可以重新生成无法识别的或无效的HTML。它也提供了一个有用的HTML表单分析器。
    VietSpider HTMLParser:VietSpider HTMLParser是一个纯Java实现的HTML DOM解析器,支持HTML4.0.1。它是一个快速的语法检查器,利用相对应的结束标签自动关闭元素,能够处理匹配错误的内联元素标签。
    HtmlCleaner:HtmlCleaner是一个开源的Html文档解析器。HtmlCleaner能够重新排序每个元素然后生成结构良好(Well-Formed)的XML文档。默认它遵循的规则是类似于大部份web浏览器为创文档对象模型所使用的规则。然而,用户可以提供自定义tag和规则组来进行过滤和匹配。
    HtmlRipper:HtmlRipper是一个Java包能够按照预先定义好的规则设置来从Web页中抽取动态数据.
    jsoup Cookbook中文版: jsoup是一个基于Java的HTML 解析器,可直接解析某个URL地址、HTML文本内容。它提供了一套非常便利的API,可通过DOM,CSS以及类似于JQuery的操作方法来取出和操作数据。而且还支持HTML5。是一个非常不错的Java开源项目,为了让更多人使用和了解这个项目。本人发了点时间将其网站提供的Cookbook翻译/整理成中文版。地址:http://www.open-open.com/jsoup
    HotSAX:HotSAX是一个快速,小型的footprint, 用于HTML/XML/XHTML的非确认的SAX2解析。它可以在简单的Web代理、页面抓取器和爬虫程序中使用。它类似于Apache Xerces分析器。
    Cobra:Cobra是一个HTML工具包。它包含一个纯Java HTML DOM 分析器和一个页面表现引擎。Cobra支持HTML4,Javascript 和CSS2。
    JTidy:JTidy 是 HTML Tidy用Java实现的移植版本,提供了一个HTML的语法检查器和很好的打印功能。类似它的非Java产品,JTidy可以用来清除格式不好和不对的HTM。此外,JTidy提供了对整个HTML的DOM分析器。程序员可以将JTidy当作一个处理HTML文件的DOM解析器来使用。
    HTML Parser:HTML Parser实现即时HTML语法分析程序。
    NekoHTML:NekoHTML是一个简单地HTML扫描器和标签补偿器(tag balancer) ,使得程序能解析HTML文档并用标准的XML接口来访问其中的信息。这个解析器能投扫描HTML文件并“修正”许多作者(人或机器)在编写HTML文档过程中常犯的错误。NekoHTML能增补缺失的父元素、自动用结束标签关闭相应的元素,以及不匹配的内嵌元素标签。NekoHTML的开发使用了Xerces Native Interface (XNI),后者是Xerces2的实现基础。