Jericho HTML Parser

Jerich HTML-парсер з відкритим вихідним кодом, простий, але потужний бібліотека, написана повністю на Java.
Це дозволяє програмістам управляти і аналізувати частин HTML документа.
Jerich HTML Parser також включає в себе на високому рівні функції HTML форма маніпуляції

Що нового У цьому випуску :.

• Виправлені помилки:
• [3581664] CharacterReference.decode () не декодувати об'єкти, що містять цифри - і frac12; І frac14; І frac34; І ПОД1; І Sup2; І sup3; І there4;
• [3311286] SourceCompactor не поважає TEXTAREA
• [3519131] Renderer вихід неправильно, коли будується з об'єктом елемент.
• [3538829] Renderer вихід оформлення шрифту на кордонах блоків неправильно.
• Segment.getAllStartTags (ім'я) і Segment.getFirstElement (ім'я) не працюють, якщо аргумент містить символи верхнього регістру.
• кінець роздільник загального тега сервера всередині втікача тега сервера ложно визнаний як кінцевий роздільник втікача тега.
• Зміни, які можуть вплинути на ПОВЕДЕНИЕ існуючих програм:
• [3427073] Segment.getStyleURISegments () тепер включає в себе зміст елемента стилю, а також значення атрибутів стилю.
• [3427927] Segment.getURIAttributes () тепер включає атрибути Архів об'єктів і аплетів елементів.
• Коментарі більше не визнані в елементах сценарію під час повної послідовної розбору. Раніше вони були визнані на сумісність з основними браузерами, але сучасні і поведінку браузера змінилося.
• Змінено рівень реєстрації всіх розбору помилок з ІНФО-за помилки, і рівень реєстрації Source.fullSequentialParse () консультативного повідомлення від WARN для інформації. Попередні рівні дав консультативного повідомлення вища тяжкості, ніж помилки розбору, запобігаючи системи логування з укриття консультативного повідомлення, показуючи помилки розбору. Кодування символів попередження залишаються незмінними на WARN рівень.
• Змінено поведінку методу Renderer.renderHyperlinkURL (StartTag), так що відносні URL-адреси не відображаються.
• Змінено поведінку Renderer, щоб вміст гіперпосилання пункт не відображається, якщо це так само, як гіперпосилання URL, ігноруючи HTTP :. // Префікс і / або суфікс
• EndTag.tidy () тепер видаляє пробіли до закриває дужки.
• Додана Джерело (File) конструктор.
• метод Додано OutputDocument.getSegment ().
• Додана OutputDocument.remove (INT початку Int кінця) метод.
• метод Додано Renderer.setHRLineLength ().
• Додана RenderToText.jsp веб-додаток зразка.
• метод Додано Segment.getRowColumnVector ().
• Виявлення Кодування тепер ігнорує загальні кодування, зазначені в мета-тегів, які мають розмір код блок несумісного з попереднього кодування.
• оновиться в наступних реєстратора API: воно SLF4J-API-1.7.2, log4j-1.2.17

Що нового у версії 3.1:

• Виправлена ​​помилка:
• [2793556] Нескінченний цикл на Segment.getAllStartTags ()
• Нескінченний цикл на Segment.getAllElements ()
• Segment.getFirst * Методи повернувся сегментів поза обмежує сегмента.

Методи
• Segment.getAllElements не повернути всі вкладені елементи в деяких обставинах.
• Виправлені помилки документації в методах Segment.getAllElements.
• клас Додано StreamedSource.
• Зміни, які можуть вплинути на ПОВЕДЕНИЕ існуючих програм:
• Змінено ParseText з класу в інтерфейс.
• Segment.getNodeIterator () тепер повертає символьні посилання як окремі вузли.
• Додана тегів методи пошуку, засновані на значення атрибута регулярних виразів.
• Додана тегів методи пошуку, засновані на атрибут HTML класу.
• Додана статичне властивість Source.LegacyNodeIteratorCompatabilityMode тимчасово відновити Segment.getNodeIterator () функціональність, що і в попередніх версіях.
• Дистанційні CHAR [] методи, засновані пошуку в ParseText.
• Додана CharacterReference.appendCharTo (Appendable) метод.
• Додана OutputDocument (сегмент) конструктор.
• Приклад програми Додано StreamedSourceCopy.

Що нового у версії 3.0:

• Виправлена ​​помилка:
• Посилання на символи, що представляють юнікода додаткові символи були правильно декодируются в UTF-16 Код блоку пар.
• [2188446] Element.getDepth () і Element.getParentElement () повернула некоректні результати при виклику в розборі на режимі попиту.
• Коментарі в даний час визнається в & Lt; Сценарій і GT; елементи.
• API зміни, які не мають зворотної сумісності:
• Змінено назву пакета для net.htmlparser.jericho
• Значення атрибутів повинні тепер бути рядком, а не CharSequence.
• Вилучені всі застарілі методи / класи від попередніх версій.
• Все знайти * методи застаріли на користь отримати * методів з метою застосування послідовного іменування всіх методів пошуку тегів.
• , в елемент і HTMLElements класи більше не реалізують інтерфейс HTMLElementName. (Використовувати статичний імпорт, а)
• Усі колекції зараз stongly набрані за допомогою дженериків.
• Змінено FormControlOutputStyle клас перерахування.
• Змінено FormControlType клас перерахування.
• Додана CharStreamSource.appendTo (Appendable) метод.
• метод Додано Source.iterator ().
• Джерело в даний час реалізує Iterable.
• використовується всередині StringBuilder для кращої продуктивності.
• Додана Source.getNextStartTag (StartTagType) метод.
• Додана Source.getNextEndTag (EndTagType) метод.
• Додана Source.getPreviousStartTag (StartTagType) метод.
• Додана Source.getPreviousEndTag (EndTagType) метод.
• Додана Segment.getAllStartTags (StartTagType) метод.
• Додані всі Segment.getFirst * методи.
• Додана Renderer.renderHyperlinkURL (StartTag) метод.
• Приклад програми Додано HTMLSanitiser.
• Оновлення до SLF4J-API-1.5.6

Вимоги

• Java 2 Standard Edition Runtime Environment