jsoup est une bibliothèque Java pour travailler avec du HTML réel. Elle fournit une API très pratique pour extraire et manipuler des données, en utilisant le meilleur des méthodes DOM, CSS et similaires à jQuery.
jsoup implémente la spécification WHATWG HTML5 et analyse le HTML de la même manière que le font les navigateurs modernes.
extraire et analyser le HTML à partir d'une URL, d'un fichier ou d'une chaîne
trouver et extraire des données, en utilisant la navigation DOM ou des sélecteurs CSS
manipuler les éléments HTML, les attributs et le texte
nettoyer le contenu soumis par les utilisateurs contre une liste blanche sécurisée, pour prévenir les attaques XSS
produire un HTML propre
jsoup est conçu pour traiter toutes les variétés de HTML rencontrées dans la nature ; du HTML pur et valide, à la soupe de balises invalide ; jsoup créera un arbre d'analyse sensé.