jsoup

jsoup 是一个用于处理真实世界 HTML 和 XML 的 Java 库。它提供了易于使用的 API，支持 URL 获取、数据解析、提取和使用 DOM API 方法、CSS 以及 XPath 选择器进行操作。该项目遵循 WHATWG HTML5 规范，并且能够像现代浏览器一样解析 HTML。核心功能包括从 URL、文件或字符串中抓取和解析 HTML，通过 DOM 遍历或 CSS 选择器查找并提取数据，修改 HTML 元素、属性和文本内容，以及通过安全列表清理用户提交的内容以防止 XSS 攻击。jsoup 适用于需要对网页进行爬虫抓取、内容清洗及安全性处理的场景，如 Web 开发、数据分析等。