维基百科
HTML解析器对比
| 此条目或章节需要時常更新。內容可能會隨著時間而有所變化或進展。 |
解析HTML是一项自动化工作，由（所谓的）HTML解析器执行。它们有两个主要目的：
| 解析器 | 许可证 | 实现语言 | 最新日期* | HTML解析[1] | 清理HTML** | 升级HTML*** |
|---|---|---|---|---|---|---|
| Beautiful Soup[2] | Python S. F. L. | Python | 2013-05-31 | 是 | ？ | ？ |
| Gumbo（页面存档备份，存于互联网档案馆） | Apache许可证2.0 | C | 2013-08-13 | 是 | ？ | ？ |
| html5lib（页面存档备份，存于互联网档案馆） | MIT许可证 | Python和PHP | 2013-12-23[3] | 是 | 是 | 否 |
| HTML::Parser（页面存档备份，存于互联网档案馆） | 艺术许可协议 | Perl | 2013-03-28 | 否[4] | ？ | ？ |
| htmlPurifier（页面存档备份，存于互联网档案馆） | GNU宽GPL | PHP | 2009-03-25[5] | 否 | 是 | 是 |
| HTML Tidy | W3C许可证 | ANSI C | 2009-03-25[5] | 是[6] | 是 | ？ |
| HtmlCleaner（页面存档备份，存于互联网档案馆） | BSD许可证[7] | Java | 2013-09-05 | 否 | 是 | ？ |
| Hubbub（页面存档备份，存于互联网档案馆） | MIT许可证 | C | 2013-04-19 | 是 | ？ | ？ |
| Jaunt API（页面存档备份，存于互联网档案馆） | Jaunt Beta许可证 | Java | 2013-08-01 | 是 | 是 | 否 |
| Jericho HTML Parser（页面存档备份，存于互联网档案馆） | Eclipse公共许可证 | Java | 2012-10-30[8] | 否？？ | ？ | ？ |
| jsdom（页面存档备份，存于互联网档案馆） | MIT许可证 | JavaScript | 2013-07-21 | 否 | ？ | ？ |
| jsoup[9] | MIT许可证 | Java | 2013-01-27[10] | 是 | 是 | 是 |
| JTidy（页面存档备份，存于互联网档案馆） | JTidy许可证（页面存档备份，存于互联网档案馆） | Java | 2009-12-01[11] | 是 | ？ | ？ |
| libxml2 HTMLparser（页面存档备份，存于互联网档案馆） | MIT许可证 | C | 2012-09-11[12] | 是 | ？ | ？ |
| NekoHTML（页面存档备份，存于互联网档案馆） | Apache许可证2.0 | Java | 2013-02-27[13] | 否 | 是 | ？ |
| Apache许可证2.0 | Java | 2011-07-07 | 否 | ？ | ？ | |
| Validator.nu HTML Parser（页面存档备份，存于互联网档案馆） | MIT许可证 | Java | 2012-06-05 | 是 | ？ | ？ |
| AVHTML（页面存档备份，存于互联网档案馆） | LGPL | C++ | 2015-07-17 | 是 | 否 | 是 |
| 解析器 | 许可证 | 实现语言 | 最新日期* | HTML解析 | 清理HTML** | 升级HTML*** |
- * （有重要更新的）最新版本日期。
- ** 规范（生成标准兼容的网页，减少垃圾信息，等）和清理（剥离过剩的表达标签，移除XSS代码，等）HTML代码。
- *** 将HTML4.X升级到XHTML或HTML5，将废弃的标签（如CENTER）转换为有效的标签（如带有style="text-align:center;"的DIV）。
参考资料 编辑
- ^ 12.2 解析HTML文档——HTML标准 （页面存档备份，存于互联网档案馆）（英文）
- ^ 基于lxml和html5lib，http://www.crummy.com/software/BeautifulSoup/（英文） （页面存档备份，存于互联网档案馆）
- ^ 版本·html5lib/html5lib-python （页面存档备份，存于互联网档案馆）（英文）
- ^ HTML-Parser：HTML 5的缺陷#53300 （页面存档备份，存于互联网档案馆）（英文）
- ^ 5.0 5.1 Windows的HTML Tidy （页面存档备份，存于互联网档案馆）（英文）
- ^ Tidy解析器举例：PHP的class.tidynode （页面存档备份，存于互联网档案馆）（英文）
- ^ HtmlCleaner以BSD许可证分发 （页面存档备份，存于互联网档案馆）（英文）
- ^ Jericho HTML Parser——在SourceForge.net浏览/jericho-html/3.3 （页面存档备份，存于互联网档案馆）（英文）
- ^ jsoup Java HTML Parser, with best of DOM, CSS, and jquery. jsoup.org. [2019-09-22]. （原始内容于2019-09-27）.
- ^ 在master的jsoup/CHANGES·jhy/jsoup·GitHub （页面存档备份，存于互联网档案馆）（英文）
- ^ JTidy—在SourceForge.net浏览/JTidy （页面存档备份，存于互联网档案馆）（英文）
- ^ libxml2版本 （页面存档备份，存于互联网档案馆）（英文）
- ^ NekoHTML | 变更历史 （页面存档备份，存于互联网档案馆）（英文）