HTML解析器对比

解析HTML是一项自动化工作，由（所谓的）HTML解析器执行。它们有两个主要目的：

  • HTML遍历：为程序员提供一个接口，来轻松地访问和修改“HTML代码”。典型例子：DOM解析器。
  • HTML清理：修正有语法错误的HTML，改善结果标记的布局和缩进样式。典型例子：HTML Tidy。
解析器 许可证 实现语言 最新日期* HTML解析[1] 清理HTML** 升级HTML***
Beautiful Soup[2] Python S. F. L. Python 2013-05-31 是 ？ ？
Gumbo页面存档备份，存于 Apache许可证2.0 C 2013-08-13 是 ？ ？
html5lib页面存档备份，存于 MIT许可证 Python和PHP 2013-12-23[3] 是 是 否
HTML::Parser页面存档备份，存于 艺术许可协议 Perl 2013-03-28 否[4] ？ ？
htmlPurifier页面存档备份，存于 GNU宽GPL PHP 2009-03-25[5] 否 是 是
HTML Tidy W3C许可证 ANSI C 2009-03-25[6] 是[7] 是 ？
HtmlCleaner页面存档备份，存于 BSD许可证[8] Java 2013-09-05 否 是 ？
Hubbub页面存档备份，存于 MIT许可证 C 2013-04-19 是 ？ ？
Jaunt API页面存档备份，存于 Jaunt Beta许可证 Java 2013-08-01 是 是 否
Jericho HTML Parser页面存档备份，存于 Eclipse公共许可证 Java 2012-10-30[9] 否？？ ？ ？
jsdom页面存档备份，存于 MIT许可证 JavaScript 2013-07-21 否 ？ ？
jsoup[10] MIT许可证 Java 2013-01-27[11] 是 是 是
JTidy页面存档备份，存于 JTidy许可证页面存档备份，存于 Java 2009-12-01[12] 是 ？ ？
libxml2 HTMLparser页面存档备份，存于 MIT许可证 C 2012-09-11[13] 是 ？ ？
NekoHTML页面存档备份，存于 Apache许可证2.0 Java 2013-02-27[14] 否 是 ？
TagSoup Apache许可证2.0 Java 2011-07-07 否 ？ ？
Validator.nu HTML Parser页面存档备份，存于 MIT许可证 Java 2012-06-05 是 ？ ？
AVHTML页面存档备份，存于 LGPL C++ 2015-07-17 是 否 是
解析器 许可证 实现语言 最新日期* HTML解析 清理HTML** 升级HTML***
* （有重要更新的）最新版本日期。
** 规范（生成标准兼容的网页，减少垃圾信息，等）和清理（剥离过剩的表达标签，移除XSS代码，等）HTML代码。
*** 将HTML4.X升级到XHTML或HTML5，将废弃的标签（如CENTER）转换为有效的标签（如带有style="text-align:center;"的DIV）。

参考资料
  1. 12.2 解析HTML文档——HTML标准 页面存档备份，存于（英文）
  2. 基于lxml和html5lib，http://www.crummy.com/software/BeautifulSoup/（英文） 页面存档备份，存于
  3. 版本·html5lib/html5lib-python 页面存档备份，存于（英文）
  4. HTML-Parser：HTML 5的缺陷#53300 页面存档备份，存于（英文）
  5. Windows的HTML Tidy 页面存档备份，存于（英文）
  6. Windows的HTML Tidy 页面存档备份，存于（英文）
  7. Tidy解析器举例：PHP的class.tidynode 页面存档备份，存于（英文）
  8. HtmlCleaner以BSD许可证分发 页面存档备份，存于（英文）
  9. Jericho HTML Parser——在SourceForge.net浏览/jericho-html/3.3 页面存档备份，存于（英文）
  10. . jsoup.org. [2019-09-22]. （原始内容存档于2019-09-27）.
  11. 在master的jsoup/CHANGES·jhy/jsoup·GitHub 页面存档备份，存于（英文）
  12. JTidy—在SourceForge.net浏览/JTidy 页面存档备份，存于（英文）
  13. libxml2版本 页面存档备份，存于（英文）
  14. NekoHTML | 变更历史 页面存档备份，存于（英文）
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.