Jericho HTML Parser

Περιγραφή

Το Jericho HTML Parser είναι μια βιβλιοθήκη java που επιτρέπει την ανάλυση και τον χειρισμό τμημάτων ενός εγγράφου HTML, συμπεριλαμβανομένων των ετικετών από την πλευρά του διακομιστή, ενώ αναπαράγει αυτολεξεί κάθε μη αναγνωρισμένο ή μη έγκυρο HTML. Οι ετικέτες διακομιστή ASP, JSP, PSP, PHP και Mason αναγνωρίζονται ρητά από τον αναλυτή. Αυτό σημαίνει ότι το κανονικό HTML εξακολουθεί να αναλύεται σωστά ακόμα κι αν υπάρχουν ετικέτες διακομιστή μέσα σε αυτά, κάτι που είναι σύνηθες, για παράδειγμα, όταν ορίζονται δυναμικά χαρακτηριστικά στοιχεία. Διαθέτει ενσωματωμένη λειτουργία εξαγωγής όλου κειμένου από σήμανση HTML, απόδοση σήμανσης HTML με απλή μορφοποίηση κειμένου, μορφοποίηση πηγαίου κώδικα HTML που δημιουργεί εσοχές στοιχεία σύμφωνα με το βάθος τους στην ιεραρχία στοιχείων του εγγράφου και συμπύκνωση πηγαίου κώδικα HTML αφαιρώντας όλο το περιττό λευκό χώρος.