jsoup 1.16.2 发布,Java HTML 解析器


【源创会预告】1024 程序员节(的前两天),相约开源PHP办公室,我们一起聊 AI!>>>

jsoup 1.16.2 现已发布。jsoup 是一个用于处理 real-world HTML 的 Java 库。它使用最好的 HTML5 DOM 方法和 CSS 选择器提供了一个非常方便的 API 用于提取和操作数据。

下载地址:https://jsoup.org/download

具体更新内容包括:

Improvements

  • 通过添加基于成本的查询规划器,优化了复杂 CSS 选择器的性能。评估器按其相对执行成本排序,并按成本从低到高的顺序执行。这通过确保在更复杂的评估(例如属性正则表达式或使用 :has 进行深度子扫描)之前进行更简单的评估(例如标签名称匹配)来加速匹配过程。
  • 添加了对<svg><math>标签(及其子标签)的支持。这包括标签命名空间以及适用标签和属性的大小写保留。#2008
  • W3CDom中将 jsoup 文档转换为 W3C 文档时,根据 HTML5 规范,HTML 文档将默认放置在http://www.w3.org/1999/xhtml命名空间中。这可以通过设置W3CDom#namespaceAware(boolean false)来控制。#1848
  • 通过备忘录化之前的评估,优化了结构评估器的速度。特别是~(any preceding sibling)和:nth-of-type选择器得到了改进。#1956
  •  调整了元素nextElementSiblingpreviousElementSiblingfirstElementSiblinglastElementSiblingfirstElementChild和 lastElementChild 的性能。他们现在在子节点列表中进行 filter/skip,而无需分配和扫描完整的元素过滤列表。
  • 优化了之前调用Element.children()的内部方法,改为使用 filter/skip 子节点列表访问器,从而减少新的元素列表分配。
  • 调整了解析:pseudo选择器的性能。
  • 使用:empty伪选择器时,空白文本节点现在被视为空。以前,包含任何空格的元素不被视为空。#1976
  • 在表单中,<input type="image">应从Element.formData()中排除(因此也排除在表单提交之外)。#2010
  • Safelist中,将isSafeTag()isSafeAttribute()变为 public 方法,以实现扩展性。#1780

Bug Fixes

  • Bugfix:form元素和 empty 元素(例如img)的属性没有去重。#1950
  • 如果是从克隆中克隆了Document.OutputSettings,则使用时会抛出 NPE。#1964
  • Jsoup.connect(String url)中,包含 %2B 的 URL 路径被错误地重新编码为 '+',或者 '+' 被重新编码为 ' '。通过恢复到以前不编码提供的路径的行为(除了标准化为 ASCII)来修复。#1952
  • Jsoup.connect(String url)中,包含补充字符(例如表情符号)的字符串未正确进行 URL 转义。
  • Jsoup.connect(String url)中,ConstrainableInputStream 将在读取正文时清除线程中断。这阻止了调用者生成线程、在一段时间内运行多个请求、然后在中断该线程后加入该线程。#1991
  • 跟踪 HTML 源位置时, 无法正确跟踪H1...H6元素的 closing tags。#1987
  • Jsoup.connect()中,DELETE方法请求不支持请求正文。#1972
  • 在嵌套极深的元素上调用Element.cssSelector()时,可能出现StackOverflowError。此外,在运行查询时可能会出现StackOverflowError#2001
  • empty()之后将节点追加回其原始Element,会产生索引越界异常。此外,现在被删除的子节点的父节点已被清除,从而将它们与原始父节点完全分离。#2013
  • Connection添加 headers 时,该值可能被假定为错误解码的ISO_8859_1字符串,并重新编码为UTF-8。现在该值保持不变。

Changes

  • 删除了以前已被弃用的Document.normalise()Element.forEach(org.jsoup.helper.Consumer<>)Node.forEach(org.jsoup.helper.Consumer<>)org.jsoup.helper.Consumer接口。
  • 以前的 compatibility shimorg.jsoup.UncheckedIOException已被弃用,取而代之的是现在支持的java.io.UncheckedIOException#1989
  • 由于启用和未启用脚本模式的解析器之间不兼容,阻止将noscripttags 添加到安全列表。

更新说明:https://github.com/jhy/jsoup/releases/tag/jsoup-1.16.2


相關推薦

2022-08-25

jsoup 1.15.3 现已发布,包括针对潜在 XSS 攻击的安全修复,以及其他改进,包括更具描述性的验证错误消息。jsoup 是一个用于处理 real-world HTML 的 Java 库。它使用最好的 HTML5 DOM 方法和 CSS 选择器提供了一个非常方便的 API 用于

2023-12-31

jsoup 1.17.2 现已发布。jsoup 是一个用于处理 real-world HTML 的 Java 库。它使用最好的 HTML5 DOM 方法和 CSS 选择器提供了一个非常方便的 API 用于提取和操作数据。 下载地址:https://jsoup.org/download 具体更新内容包括: 改进 Attrib

2024-07-12

jsoup 1.18.1 现已发布,新的流解析器提供了混合 DOM + SAX 事件驱动的解析接口、请求进度跟踪和许多其他改进。jsoup 是一个用于处理 real-world HTML 的 Java 库。它使用最好的 HTML5 DOM 方法和 CSS 选择器提供了一个非常方便的 API 用

2023-05-06

jsoup 1.16.1 现已发布。jsoup 是一个用于处理 real-world HTML 的 Java 库。它使用最好的 HTML5 DOM 方法和 CSS 选择器提供了一个非常方便的 API 用于提取和操作数据。 下载地址:https://jsoup.org/download 具体更新内容包括: Improvements

2023-02-21

jsoup 1.15.4 现已发布,其中包括了一些改进,尤其是在 pretty-printing HTML 时;以及一些错误的修正。jsoup 是一个用于处理 real-world HTML 的 Java 库。它使用最好的 HTML5 DOM 方法和 CSS 选择器提供了一个非常方便的 API 用于提取和操作

2023-11-28

jsoup 1.17.1 现已发布,支持 request-level 身份验证、属性名称和值源范围、stream( ) 可迭代支持以及大量其他改进和错误修复。jsoup 是一个用于处理 real-world HTML 的 Java 库。它使用最好的 HTML5 DOM 方法和 CSS 选择器提供了一

2023-03-06

Pandoc 3.1.1 发布了,Pandoc 是一个通用标记转换 Haskell 库,用于从一种标记格式转换为另一种,同时也是一个使用该库的命令行工具,它可以转换 28 种标记格式。 此版本带来如下更改: TSV 阅读器:不将制表符当作空格 ( #8661 )

2023-07-09

YMP 是一个非常简单、易用的轻量级 Java 应用开发框架,涵盖 AOP、IoC、WebMVC、ORM、Validation、Plugin、Serv、Cache 等特性,主要技术特点: 采用组件化、模块方式打包,可按需装配,灵活可扩展; 采用微内核实现 AutoScan、AOP、

2023-02-13

Fastcms 是基于 SpringBoot 前后端分离技术,且具有插件化架构的 CMS 系统,系统具有高扩展性,易维护性,可以快速搭建网站,微信小程序,是开发微信营销插件的基石 Fastcms 是真正意义上的插件化开源项目,支付,搜索,订单催

2022-10-27

目前PHP8.2已经进入RC阶段,按计划还有一个月就会发布正式版。而PHP8.3的决议也早已开始推进了。 本文为大家介绍一个最新通过的决议,也是PHP8.3的第一个决议:内置JSON验证函数。 这项决议在2022-08-14发起,2022-10-07 投票完成

2023-07-11

持从项目外部加载源代码来生成字段注释 (包括标准规范发布的 jar 包)。 支持生成多种格式文档:Markdown、HTML5、Asciidoctor、Postman collection、Open Api 3.0+。 轻易实现在 Spring Boot 服务上在线查看静态 HTML5 api 文档。 开放文档数据

2022-10-16

为 Apache2.0 开源协议; 2、版本升级:依赖版本升级,如jsoup、htmlunit、selenium等; 3、代码重构:优化代码结构,提升系统可维护性; 简介 XXL-CRAWLER 是一个分布式爬虫框架。一行代码开发一个分布式爬虫,拥有"多线程、异步

2022-07-06

OpenAPI Generator v6.0.1 现已发布。OpenAPI Generator 可用于在给定 OpenAPI 规范(v2, v3)的情况下自动生成 API 客户端库、server stubs、文档以及配置。 v6.0.1 是一个包含增强功能的补丁版本,修复了涵盖 20 种编程语言的错误。有关更改

2022-09-09

feilong 3.2.1 发布了,让Java开发更简便的工具库 让你从大量重复的底层代码中脱身,提高开发效率; 让你的代码更简炼,易写、易读、易于维护; 文档地址: http://feilong-core.mydoc.io/ maven 依赖配置: <dependency> <groupI