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 06:13:48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
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
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
923
551
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
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
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
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8