首页
/ jsoup 1.19.1 版本发布:HTML解析库的重大升级

jsoup 1.19.1 版本发布:HTML解析库的重大升级

2025-06-04 06:17:31作者:魏献源Searcher

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.useHttpClienttrue 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
  • 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 libutton)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。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
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!
C
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K