jsoup 1.19.1 版本发布:HTML解析库的重大升级
项目概述
jsoup 是一款广受欢迎的 Java HTML 解析器,它能够从 URL、文件或字符串中提取和操作 HTML 文档。作为一个开源项目,jsoup 提供了非常方便的 API,支持 DOM 遍历、CSS 选择器以及类似 jQuery 的操作方法,使得处理 HTML 文档变得简单高效。它广泛应用于网页抓取、数据提取和内容清理等场景。
1.19.1 版本核心更新
HTTP/2 支持
本次版本最引人注目的特性是增加了对 HTTP/2 协议的支持。当运行在 Java 11 及以上环境时,jsoup 现在可以通过 Java 的 HttpClient 实现来发起 HTTP/2 请求。这是一个重要的性能改进,因为 HTTP/2 相比 HTTP/1.1 提供了多路复用、头部压缩等优化特性,能够显著提升网页加载速度。
开发者可以通过设置系统属性 jsoup.useHttpClient
为 true
来启用这一功能。需要注意的是,如果 HttpClient 实现不可用,jsoup 会回退到使用 HttpURLConnection(HTTP/1.1 模式)。
Android 兼容性调整
为了适应现代 Android 开发环境,jsoup 将最低支持的 Android API 级别从 10 提升到了 21。这一变化反映了当前 Android 生态的发展趋势,同时保持了 Java 8 的最低要求。Android 开发者需要继续启用核心库反糖化(desugaring)来确保兼容性。
API 改进与优化
选择器性能提升
jsoup 1.19.1 对 CSS 选择器性能进行了显著优化,特别是针对类似 #id .class
这样的后代选择器查询,性能提升了约 4.6 倍。这是通过改进查询规划器中祖先评估器的成本函数实现的。
新增的 selectStream()
方法返回一个 Stream
对象,支持流式处理和提前终止,为处理大型文档提供了更高效的方式。同时,Element
现在实现了 Iterable
接口,可以直接在增强 for 循环中使用。
清理与验证功能增强
在 HTML 清理方面,当使用 Safelist
保留相对链接时,isValid()
方法现在会将这些链接视为有效。此外,rel=nofollow
属性现在只会在配置了 safelist 的情况下添加到外部链接中,提供了更精细的控制。
XML 处理改进
XML 解析器现在直接处理 XML 声明和处理指令,而不是通过 HTML 解析器的伪注释处理器。这提高了 XML 处理的准确性和性能。同时,当 HTML 元素名称包含 <
字符时,在转换为 XML 或 W3C DOM 时会自动将其替换为 _
,确保生成有效的 XML。
废弃与移除
为了保持代码库的整洁和现代化,1.19.1 版本移除了一些已弃用的功能:
- 移除了
org.jsoup.UncheckedIOException
类(应使用java.io.UncheckedIOException
) - 将
Element#forEach(Consumer)
方法移动并重命名为void Element#forEach(Consumer())
- 标记了
Document#updateMetaCharsetElement()
相关方法为废弃,因为它们实际上没有效果
错误修复
本次版本修复了多个重要问题:
- 修复了包含分号的属性名在转换为 W3C DOM 时的问题
- 解决了 JDK 1.8 下可能出现的
ByteBuffer.flip()
错误 - 修正了
template
标签内特定元素(如li
和button
)的解析问题 - 修复了负步长的
:nth-child
选择器解析错误 - 解决了 XML 文档设置字符集时的异常问题
- 修复了并发调用
clone().append()
时的解析器共享问题
总结
jsoup 1.19.1 版本带来了多项重要改进,特别是 HTTP/2 支持和选择器性能优化,使得这个已经非常强大的 HTML 处理库更加完善。对于需要处理网页内容的 Java 开发者来说,升级到这个版本将获得更好的性能和更稳定的体验。
随着现代 Web 技术的发展,jsoup 持续演进,既保持了向后兼容性,又引入了符合当前标准的新特性。无论是网页抓取、内容提取还是 HTML 清理,jsoup 1.19.1 都是一个值得信赖的选择。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









