jsoup

jsoup 是一个面向 Java 开发者的 HTML 和 XML 解析库，专为网页抓取、HTML 清洗、DOM 操作与 XSS 防护设计。它严格遵循 HTML5 规范，支持从 URL、文件或字符串解析真实世界中的各类 HTML（包括不规范的标签混杂内容），提供基于 CSS 选择器、XPath 和 DOM API 的数据提取与修改能力，并内置白名单机制实现安全的 HTML 清洗。适用于网页爬虫开发、服务端 HTML 内容清洗、富文本输入过滤及 Web 数据采集等场景。