哪种HTML解析器是最好的？
我编写了很多解析器。到目前为止，我一直使用HtmlUnit无头浏览器进行解析和浏览器自动化。
现在，我想将两个任务分开。
由于我80％的工作仅涉及解析，因此我想使用简单的HTML解析器，因为在HtmlUnit中花很多时间才能首先加载页面，然后获取源然后解析它。
我想知道哪个HTML解析器是最好的。如果解析器与HtmlUnit解析器接近，则解析器会更好。
编辑：
最好的情况是，我至少需要以下功能：
- 速度
- 易于通过其“ id”或“ name”或“ tag type”定位任何HtmlElement。
如果不清除脏HTML代码，对我来说可以。我不需要清理任何HTML源。我只需要一种最简单的方法即可在HtmlElements之间移动并从中获取数据。
问题答案：
自我插件：我刚刚发布了一个新的Java HTML解析器：jsoup。我在这里提到它是因为我认为它将做您所追求的。
它的聚会技巧是使用CSS选择器语法来查找元素，例如：
String html = "<html><head><title>First parse</title></head>"
+ "<body><p>Parsed HTML into a doc.</p></body></html>";
Document doc = Jsoup.parse(html);
Elements links = doc.select("a");
Element head = doc.select("head").first();
这是一个新项目，因此任何改进的想法都非常欢迎！
-
问题内容： 我编写了很多解析器。到目前为止，我一直使用HtmlUnit无头浏览器进行解析和浏览器自动化。 现在，我想将两个任务分开。 由于我80％的工作仅涉及解析，因此我想使用简单的HTML解析器，因为在HtmlUnit中花费大量时间先加载页面，然后获取源然后解析它。 我想知道哪个HTML解析器是最好的。如果解析器与HtmlUnit解析器接近，则解析器会更好。 编辑： 最好的情况是，我至少需要以下
-
问题内容： 编写了很多解析器。到目前为止，我一直使用HtmlUnit无头浏览器进行解析和浏览器自动化。 现在，我想将两个任务分开。 由于我80％的工作仅涉及解析，因此我想使用简单的HTML解析器，因为在HtmlUnit中花很多时间才能首先加载页面，然后获取源然后解析它。 我想知道哪个HTML解析器是最好的。如果解析器与HtmlUnit解析器接近，则解析器会更好。 编辑： 最好的情况是，我至少需要以
-
问题内容： 到目前为止，我一直在使用Cobra，因为它很容易，但是不幸的是，它在一些测试用例中存在一些问题。有人建议使用经过测试的库吗？ 我尝试了Cobra内置的HTMLCleaner并没有运气。 问题答案： Mozilla HTML Parser 看起来很有趣。根据定义，它应该和Gecko引擎本身一样好，这很可能满足您的需
-
问题内容： 按照目前的情况，这个问题不适合我们的问答形式。我们希望答案得到事实，参考或专业知识的支持，但是这个问题可能会引起辩论，争论，民意调查或扩展讨论。如果您认为此问题可以解决并且可以重新提出，请访问帮助中心以获取指导。 8年前关闭。 要在Linux平台上编写用于流程自动化的脚本，哪种脚本语言会更好？Shell脚本，Perl或Python还是其他？我是所有人的新手。所以，我只是在考虑去哪一个？
-
问题内容： 想知道社区对各种可用的和免费的Java Profiler和性能分析工具有何看法。 问题答案： JProfiler对我们来说效果很好。 http://www.ej- technologies.com/products/jprofiler/overview.html
-
问题内容： 据我所知，Python中两个主要的HTML解析库是lxml和BeautifulSoup。我为正在从事的项目选择了BeautifulSoup，但是我选择它的原因并不多，除了找到更易于学习和理解的语法外。但是我看到很多人似乎都喜欢lxml，而且我听说lxml更快。 所以我想知道一个相对于另一个的优势是什么？我什么时候要使用lxml，什么时候可以使用BeautifulSoup更好？还有其他值