jsoup：一款使用 Java 语言开发的 HTML 解析器

jsoup 是一个用于处理真实世界的HTML的Java库。

它提供了一个非常方便的API来提取和操作数据，使用最好的DOM，CSS和类似jquery的方法。 jsoup 实现了 WHATWG HTML5 规范，并将 HTML 解析为与现代浏览器相同的 DOM。

• 从URL，文件或字符串中刮取和解析HTML
• 使用DOM遍历或CSS选择器查找和提取数据
• 操纵HTML元素，属性和文本
• 清除用户提交的内容与安全的白名单，以防止XSS攻击
• 输出整齐的HTML

jsoup被设计用来处理在站外发现的各种HTML; 从原始和验证，到无效标签汤; jsoup将创建一个合理的解析树。 jsoup 有一个不足之处就是不支持JS。