跳转到内容

HTML解析器对比

编辑链接
维基百科，自由的百科全书

这是本页的一个历史版本，由Ma3r​（留言 | 贡献）在2014年5月7日 (三) 07:56 （调整格式、排版）编辑。这可能和当前版本存在着巨大的差异。

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 Apache许可证2.0 C 2013-08-13 是 ？ ？
html5lib MIT许可证 Python和PHP 2013-12-23[3] 是 是 否
HTML::Parser 艺术许可协议 Perl 2013-03-28 否[4] ？ ？
htmlPurifier GNU宽GPL PHP 2009-03-25[5] 否 是 是
HTML Tidy W3C许可证（英语：W3C Software Notice and License） ANSI C 2009-03-25[6] 是[7] 是 ？
HtmlCleaner BSD许可证[8] Java 2013-09-05 否 是 ？
Hubbub MIT许可证 C 2013-04-19 是 ？ ？
Jaunt API Jaunt Beta许可证 Java 2013-08-01 是 是 否
Jericho HTML Parser Eclipse公共许可证 Java 2012-10-30[9] 否？？ ？ ？
jsdom MIT许可证 JavaScript 2013-07-21 否 ？ ？
jsoup MIT许可证 Java 2013-01-27[10] 是 是 是
JTidy JTidy许可证 Java 2009-12-01[11] 是 ？ ？
libxml2 HTMLparser MIT许可证 C 2012-09-11[12] 是 ？ ？
NekoHTML Apache许可证2.0 Java 2013-02-27[13] 否 ？ ？
TagSoup Apache许可证2.0 Java 2011-07-07 否 ？ ？
Validator.nu HTML Parser MIT许可证 Java 2012-06-05 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（英文）
  2. ^ 基于lxml和html5lib，http://www.crummy.com/software/BeautifulSoup/（英文）
  3. ^ 版本·html5lib/html5lib-python（英文）
  4. ^ HTML-Parser：HTML 5的缺陷#53300（英文）
  5. ^ Windows的HTML Tidy（英文）
  6. ^ Windows的HTML Tidy（英文）
  7. ^ Tidy解析器举例：PHP的class.tidynode（英文）
  8. ^ HtmlCleaner以BSD许可证分发（英文）
  9. ^ Jericho HTML Parser——在SourceForge.net浏览/jericho-html/3.3（英文）
  10. ^ 在master的jsoup/CHANGES·jhy/jsoup·GitHub（英文）
  11. ^ JTidy—在SourceForge.net浏览/JTidy（英文）
  12. ^ libxml2版本（英文）
  13. ^ NekoHTML | 变更历史（英文）
检索自“https://zh.wikipedia.org/w/index.php?title=HTML解析器对比&oldid=31219059”