jhy/jsoup

这是什么？

核心功能

• 01可从 URL、文件或字符串解析 HTML 和 XML，生成与浏览器兼容的 DOM。
• 02支持使用 CSS 选择器、DOM 遍历或 XPath 查找元素。
• 03可修改元素、属性和文本，并输出整洁的 HTML。
• 04基于白名单清理不可信的 HTML，降低 XSS 风险。
• 05能够解析格式不规范的真实网页标记而不报错。

适用场景

• 在 Java 后端或批处理任务中抓取网页数据。
• 在存储或渲染前清理用户提交的富文本内容。
• 以编程方式编辑或改写 HTML 模板与生成内容。
• 在测试或工具中从 HTML 文档提取链接、标题或元数据。

快速上手

1. 1

   在 Maven 构建中添加 jsoup 依赖

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

   或在 Gradle 构建中添加 jsoup 依赖

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

   阅读 cookbook 入门指南并开始解析文档

使用前须知

• !仅为 Java 库，需要 JVM 和 Java 开发环境。

标签

常见问题

jsoup 是什么？

一个 Java HTML 解析库，用于抓取、解析、编辑和清理真实世界中的 HTML 与 XML。 jsoup 是一个用于处理网页中 HTML 和 XML 的 Java 库。它可以从 URL、文件或字符串中获取并解析页面，生成符合 WHATWG HTML5 规范的 DOM 树，结构与现代浏览器一致。即使是不规范的“tag soup”式标记，也能被解析成合理的树形结构。

jsoup 可以免费使用吗？用的什么许可证？

jsoup 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。

jsoup 还在维护吗？

活跃维护中。jsoup 最近一次提交是在 2026年11月4日。

jsoup 适合用来做什么？

在 Java 后端或批处理任务中抓取网页数据。 在存储或渲染前清理用户提交的富文本内容。 以编程方式编辑或改写 HTML 模板与生成内容。 在测试或工具中从 HTML 文档提取链接、标题或元数据。

jsoup 怎么安装和运行？

在 Maven 构建中添加 jsoup 依赖: <dependency> <!-- jsoup HTML parser library @ https://jsoup.org/ --> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.23.2</version> </dependency> 或在 Gradle 构建中添加 jsoup 依赖: implementation 'org.jsoup:jsoup:1.23.1' 阅读 cookbook 入门指南并开始解析文档

在哪里获取 jsoup？

源代码和安装说明在 GitHub 上：https://github.com/jhy/jsoup