Jericho HTML Parser

Descriere

Jericho HTML Parser este o bibliotecă java care permite analiza și manipularea părților unui document HTML, inclusiv a etichetelor de pe partea serverului, reproducând în același timp textul HTML nerecunoscut sau invalid. Etichetele serverului ASP, JSP, PSP, PHP și Mason sunt recunoscute explicit de parser. Aceasta înseamnă că HTML normal este încă analizat corect, chiar dacă există etichete de server în interiorul lor, ceea ce este obișnuit, de exemplu, când se setează în mod dinamic atributele elementului. Are funcționalitate încorporată pentru a extrage tot textul din marcajul HTML, a reda marcajul HTML cu formatare simplă a textului, a format codul sursă HTML care indentează elementele în funcție de adâncimea lor în ierarhia elementelor documentului și pentru a compacta codul sursă HTML prin eliminarea tuturor albului inutile. spaţiu.