Сравнение парсеров HTML

редактировать

Анализаторы HTML - это программное обеспечение для автоматического языка разметки гипертекста (HTML) синтаксический анализ. У них есть две основные цели:

Обход HTML: предложить программистам интерфейс для легкого доступа и изменения «строкового кода HTML». Канонический пример: парсеры DOM.
HTML чистый: исправить неверный HTML и улучшить макет и стиль отступа итоговой разметки. Канонический пример: HTML Tidy.

Parser	Лицензия	Язык (и) реализации	Последняя дата *	Разбор HTML	Совместимость с HTML5 анализ	Чистый HTML **	Обновить HTML ***
HTML Tidy	Лицензия W3C	ANSI C	01.03.2017	Да	Да	Да	Да
HtmlUnit	Лицензия Apache 2.0	Java	24.08.2019	Да	?	Нет	Нет
libxml2 HTMLparser	Лицензия MIT	C	2017-11-02	Да	Нет	?	?
Parser	Лицензия	Язык (и) реализации	Последняя дата *	Разбор HTML	Разбор, совместимый с HTML5	Очистить HTML **	Обновить HTML ***

* Дата последнего выпуска (существенных изменений).

** очистить (создание стандартных веб-страниц, уменьшение спама и т. Д..) и очистить (удалить излишки презентационных тегов, удалить код XSS и т. д.) HTML-код.

*** Обновляет HTML4.X до XHTML или HTML5, преобразовывая устаревшие теги (например, CENTER) в действительные. единицы (например, DIV с style = "text-align: center;").

Refe rences