Jericho HTML Parser

Descrição

Jericho HTML Parser é uma biblioteca java que permite a análise e manipulação de partes de um documento HTML, incluindo tags do lado do servidor, enquanto reproduz literalmente qualquer HTML não reconhecido ou inválido. As tags de servidor ASP, JSP, PSP, PHP e Mason são reconhecidas explicitamente pelo analisador. Isso significa que o HTML normal ainda é analisado corretamente, mesmo se houver tags de servidor dentro deles, o que é comum, por exemplo, ao definir atributos de elementos dinamicamente. Possui funcionalidade integrada para extrair todo o texto da marcação HTML, renderizar a marcação HTML com formatação de texto simples, formatar o código-fonte HTML que recua os elementos de acordo com sua profundidade na hierarquia de elementos do documento e compactar o código-fonte HTML removendo todos os brancos desnecessários. espaço.