jhy/jsoup

これは何？

主な機能

• 01URL、ファイル、文字列からHTMLやXMLを解析し、ブラウザー互換のDOMを構築します。
• 02CSSセレクター、DOMの走査、XPathを使って要素を選択します。
• 03要素、属性、テキストを変更し、整ったHTMLを出力します。
• 04信頼できないHTMLを許可リストに照らしてクリーニングし、XSSのリスクを軽減します。
• 05実際のWebにある不正なマークアップも、失敗せずに処理します。

ユースケース

• Javaのバックエンドやバッチ処理でWebページからデータをスクレイピングする。
• ユーザー投稿のリッチテキストを保存または表示する前にサニタイズする。
• HTMLテンプレートや生成コンテンツをプログラムから編集、書き換える。
• テストやツールでHTMLドキュメントからリンク、見出し、メタデータを抽出する。

クイックスタート

1. 1

   Maven のビルドに jsoup の依存関係を追加する

   <dependency> <!-- jsoup HTML parser library @ https://jsoup.org/ --> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.23.2</version> </dependency>
2. 2

   または、Gradle のビルドに jsoup の依存関係を追加する

   implementation 'org.jsoup:jsoup:1.23.1'
3. 3

   クックブックの導入を読み、ドキュメントの解析を始める

使う前に知っておきたいこと

• !Java ライブラリのみのため、JVM と Java の開発者が必要です。

トピック

よくある質問

jsoup とは？

DOMメソッド、CSSセレクター、XPathを使って実際のHTMLを解析、スクレイピング、編集、サニタイズできるJavaライブラリ。 jsoupは、Web上のHTMLやXMLを扱うためのJavaライブラリです。URLからページを取得したり、ファイルや文字列から解析したりして、WHATWG HTML5仕様に準拠したDOMツリーを構築します。そのため、生成される構造は最新のブラウザーが作るものと一致します。タグスープと呼ばれることもある不正なマークアップや乱雑なマークアップも、妥当なツリーとして解析できます。

jsoup は無料で使えますか？ライセンスは？

jsoup は MIT ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

jsoup は今もメンテナンスされていますか？

活発にメンテナンス中。jsoup の最終コミットは 2026年11月4日 です。

jsoup は何に使えますか？

Javaのバックエンドやバッチ処理でWebページからデータをスクレイピングする。 ユーザー投稿のリッチテキストを保存または表示する前にサニタイズする。 HTMLテンプレートや生成コンテンツをプログラムから編集、書き換える。 テストやツールでHTMLドキュメントからリンク、見出し、メタデータを抽出する。

jsoup のインストール方法は？

Maven のビルドに jsoup の依存関係を追加する: <dependency> <!-- jsoup HTML parser library @ https://jsoup.org/ --> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.23.2</version> </dependency> または、Gradle のビルドに jsoup の依存関係を追加する: implementation 'org.jsoup:jsoup:1.23.1' クックブックの導入を読み、ドキュメントの解析を始める

jsoup はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/jhy/jsoup