jsoup jsoup-1.18.1¶
jsoup是什么¶
jsoup是一个用于解析和处理HTML的Java库。它提供了一种简洁的API，可以从URL、文件或字符串中提取和操作数据。jsoup不仅能够解析HTML文档，还能通过DOM、CSS选择器和jQuery风格的操作来操作文档内容，使得网页抓取和数据提取变得更加简单和高效。
为什么要使用jsoup?¶
使用jsoup的原因有很多。首先，它的API设计简单易用，适合初学者和专业开发者。其次，jsoup能够处理不规范的HTML，自动修复常见的错误，使得解析过程更加顺畅。此外，jsoup支持CSS选择器，允许用户以直观的方式提取所需的数据。最后，jsoup的性能优越，能够高效地处理大规模的HTML文档，适合各种应用场景。
jsoup-1.18.1版本更新了什么¶
在jsoup-1.18.1版本中，进行了多项重要的改进和修复：
改进
- 流解析器：提供了逐步解析输入的功能。每当一个元素完成时，它会通过流或迭代器接口发出。返回的元素将包含所有子元素，并在适用时包含一个（空的）下一个兄弟元素。解析过程中可以从DOM中移除元素，以节省内存，适用于处理过大的输入文档，同时仍然提供DOM接口。
- 下载进度：新增响应进度事件接口，报告下载和解析的进度和URL，支持会话和单个连接级别。
- 新增路径解析方法：支持接受路径的解析方法，如Jsoup.parse(Path)等。
- 按钮标签配置更新：在Element.text()方法中，多个按钮元素之间添加了空格。
- 命名空间选择器支持：新增对ns|*所有元素的支持。
- 属性名规范化：在序列化过程中，替换无效字符为_，而不是直接剥离，以使过程更清晰。
变更 - 移除了之前已弃用的内部类和方法。 - 构建更改：构建的jar的OSGi清单不再导入自身。
错误修复
- 修复了跟踪源位置时，如果第一个节点是TextNode，其位置错误设置为-1的问题。
- 改进了URL编码过程，以正确处理路径中包含的特殊字符。
- 修复了使用W3CDom时自定义输出文档抛出空指针异常的问题。
- 修复了:has()选择器在使用兄弟组合器时的匹配问题。
- 修复了:empty选择器错误匹配以空白文本节点开头的元素的问题。
- 修复了Element.cssSelector()在构建选择器时遇到平衡标记错误的问题。
- 更新了Entities.escape(string)以适用于文本节点和属性的转义。
- 修复了在规范化正则表达式中解析特制<base href> URL时可能导致的栈溢出异常。
更新日志¶
改进
- 流解析器：提供逐步解析输入的功能，支持从DOM中移除元素以节省内存。
- 下载进度：新增响应进度事件接口，支持会话和单个连接级别。
- 新增路径解析方法，如Jsoup.parse(Path)。
- 更新按钮标签配置，多个按钮元素之间添加空格。
- 新增对命名空间选择器的支持。
- 属性名规范化时，替换无效字符为_。
变更 - 移除已弃用的内部类和方法。 - 构建更改：jar的OSGi清单不再导入自身。
错误修复
- 修复跟踪源位置时的错误。
- 改进URL编码过程，正确处理特殊字符。
- 修复使用W3CDom时的空指针异常。
- 修复:has()选择器和:empty选择器的问题。
- 修复Element.cssSelector()的选择器构建问题。
- 更新Entities.escape(string)以适用于文本节点和属性的转义。
- 修复栈溢出异常问题。