Jericho HTML Parser

Jerich HTML értelmező egy nyílt forráskódú, egyszerű, mégis erőteljes könyvtár írva teljesen Java.
Ez lehetővé teszi a programozók manipulálni, és elemezni részei a HTML dokumentumot.
Jerich HTML elemzőnek magában foglalja a magas szintű HTML formában képességeivel.

Mi az új ebben a kiadásban:

• hibajavítások:
• [3581664] CharacterReference.decode () nem dekódolja szervezetek tartalmazó számjegy - & frac12; & Frac14; & Frac34; & Sup1; & Sup2; & Sup3; & There4;
• [3311286] SourceCompactor nem tartja tiszteletben textarea
• [3519131] leképező kimeneti helytelen, ha megépítendő, Element objektum.
• [3538829] leképező kimenete font díszítés mondathatárokon helytelen.
• Segment.getAllStartTags (név) és Segment.getFirstElement (név) nem működik, ha az érvelés tartalmaz nagybetűket is.
• A végén határoló közös szerveren tag belsejében egy szökött szerveren tag hamisan elismert végén határoló a szökött tag.
• változásokat, amelyek hatással lehetnek az VISELKEDÉSÉNEK meglévő programok:
• [3427073] Segment.getStyleURISegments () már tartalmazza stíluselem tartalmának, valamint a stílus attribútum értékeket.
• [3427927] Segment.getURIAttributes () már tartalmazza az archívum attribútumok az objektum és a applet elemeket.
• Comments már nem ismerik belülről script elemek során teljes szekvenciális parse. Korábban elismerték őket a kompatibilitást a főbb böngészők, de modern böngésző viselkedése megváltozott.
• Megváltozott a naplózási szintet az összes fájlrendszeren a INFO hibát, és a naplózási szintet a Source.fullSequentialParse () tanácsadói üzenetet WARN az INFO. A korábbi szintet adta a tanácsadói üzenetet a magasabb súlyossági mint az elemzési hibák, megakadályozva naplózó rendszerek bujkál a tanácsadó üzenetet, miközben mutatja elemzési hibáit. Karakterkódolás figyelmeztetések változatlanul WARN szinten.
• Megváltozott a viselkedését a Renderer.renderHyperlinkURL (StartTag) módszert, hogy a relatív URL-címek nem válnak.
• Megváltozott a viselkedését a leképező, hogy hivatkozás elem tartalma nem teszi, ha ez megegyezik a hivatkozás URL, figyelmen kívül hagyva a http: // előtag vagy / utótag.
• EndTag.tidy () mostantól eltávolítja szóközöket a zárás előtt tartó.
• Added Source (File) kivitelező.
• Added OutputDocument.getSegment () metódust.
• Added OutputDocument.remove (int kezdődik, int végén) módszerrel.
• Added Renderer.setHRLineLength () metódust.
• Added RenderToText.jsp webapp mintát.
• Added Segment.getRowColumnVector () metódust.
• kódolás felismerést most figyelmen kívül hagyja közös kódolásban meghatározott meta tagek, hogy van egy kódot egység mérete összeegyeztethetetlen az előzetes kódolás.
• Továbbfejlesztett a következő logger API-k: slf4j-api-1.7.2, log4j-1.2.17

Mi az új 3.1-es verziója:

• hibajavítások:
• [2793556] Végtelen ciklus a Segment.getAllStartTags ()
• Végtelen ciklus a Segment.getAllElements ()
• Segment.getFirst * módszereket visszatért szegmensek kívül határoló szegmens.
• Segment.getAllElements módszerek nem tért vissza minden zárt elemeket bizonyos körülmények között.
• Fix dokumentációt hibákat Segment.getAllElements módszereket.
• Added StreamedSource osztály.
• változásokat, amelyek hatással lehetnek az VISELKEDÉSÉNEK meglévő programok:
• Megváltozott ParseText osztályról interfész.
• Segment.getNodeIterator () most visszatér referenciákkal külön csomópont.
• Added tag keresési módszerek alapján attribútum értéke reguláris kifejezések.
• Added tag keresési módszerek alapján HTML class attribútum.
• Added statikus Source.LegacyNodeIteratorCompatabilityMode ingatlan ideiglenesen helyreállítani Segment.getNodeIterator () funkciót, hogy a korábbi verziók.
• Az eltávolított char [] alapú keresési módszerek ParseText.
• Added CharacterReference.appendCharTo (Appendable) módszerrel.
• Added OutputDocument (szegmens) kivitelező.
• Added StreamedSourceCopy mintaprogram.

Mi az új 3.0 verzió:

• hibajavítások:
• Karakter referenciák képviselő unicode kiegészítő karakterek nem helyesen dekódolni az UTF-16 kóddal egység párokat.
• [2188446] Element.getDepth () és Element.getParentElement () visszaadott hibás eredmény, ha hívják parse on demand módban.
• Comments Most már elismerten belül & lt; script & gt; elemek.
• API változások, amelyek nem kompatibilisek:
• Megváltozott csomag neve net.htmlparser.jericho
• tulajdonságadato- kell most karakterlánc helyett CharSequence.
• eltávolította az összes elavult módszerek / osztályok az előző változatokhoz képest.
• Minden megtalálják * módszereket Idejétmúlt kap * módszerek alkalmazása érdekében következetes elnevezési konvenció minden tag keresési módszereket.
• Tag, Element és HTMLElements osztályok már nem hajtsák végre a HTMLElementName felületet. (Statikus import helyett)
• Minden gyűjtemény most stongly gépelt segítségével generikumok.
• Megváltozott FormControlOutputStyle osztály enum.
• Megváltozott FormControlType osztály enum.
• Added CharStreamSource.appendTo (Appendable) módszerrel.
• Added Source.iterator () metódust.
• Forrás most végre Iterable.
• Belsőleg használja StringBuilder a jobb teljesítmény érdekében.
• Added Source.getNextStartTag (StartTagType) módszerrel.
• Added Source.getNextEndTag (EndTagType) módszerrel.
• Added Source.getPreviousStartTag (StartTagType) módszerrel.
• Added Source.getPreviousEndTag (EndTagType) módszerrel.
• Added Segment.getAllStartTags (StartTagType) módszerrel.
• Added minden Segment.getFirst * módszereket.
• Added Renderer.renderHyperlinkURL (StartTag) módszerrel.
• Added HTMLSanitiser mintaprogram.
• Frissített slf4j-api-1.5.6

követelmények :

• Java 2 Standard Edition Runtime Environment