JSoup est une bibliothèque Java pour travailler avec du HTML du monde réel. Elle fournit une API très pratique pour récupérer des URL et extraire et manipuler des données, en utilisant le meilleur des méthodes DOM HTML5 et des sélecteurs CSS.
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 dans le 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 gérer toutes les variétés de HTML que l'on trouve dans la nature ; du HTML pur et valide, à la soupe de balises invalide ; jsoup créera un arbre d'analyse sensé.