Jericho HTML Parser

La description

Jericho HTML Parser est une bibliothèque java permettant l'analyse et la manipulation de parties d'un document HTML, y compris les balises côté serveur, tout en reproduisant textuellement tout code HTML non reconnu ou invalide. Les balises de serveur ASP, JSP, PSP, PHP et Mason sont explicitement reconnues par l'analyseur. Cela signifie que le code HTML normal est toujours analysé correctement même s'il contient des balises de serveur, ce qui est courant, par exemple, lors de la définition dynamique d'attributs d'élément. Il a une fonctionnalité intégrée pour extraire tout le texte du balisage HTML, restituer le balisage HTML avec un formatage de texte simple, formater le code source HTML qui indente les éléments en fonction de leur profondeur dans la hiérarchie des éléments du document et compacter le code source HTML en supprimant tout blanc inutile espace.