HTML抽取器:Xsoup

jopen 10年前

Xsoup是基于Jsoup开发的HTML抽取器,提供了XPath支持。

相比另一个常用的基于XPath的HTML抽取器HtmlCleaner,Xsoup有较大的性能优势,解析时间和抽取时间都只有HtmlCleaner的一半。同时Xsoup提供全面的XPath解析错误提示。

示例代码:

@Test  public void testSelect() {   String html = "<html><div><a href='https://github.com'>github.com</a></div></html>";     Document document = Jsoup.parse(html);     String result = Xsoup.select(document, "//a/@href").get();   Assert.assertEquals("https://github.com", result);     result = Xsoup.compile("//a/@href").evaluate(document).get();   Assert.assertEquals("https://github.com", result);  }

项目主页:http://www.open-open.com/lib/view/home/1378111556187