Jericho HTML Parser

Jericho HTML parser je Java knihovna umožňující analýzu a manipulaci s částí dokumentu ve formátu HTML, včetně server-side značek, při reprodukci doslovně neuznané nebo neplatný HTML. Server tagy ASP, JSP, PSP, PHP a Mason se výslovně uznány analyzátor. To znamená, že normální HTML je stále správně, i když existují servery značky uvnitř nich, což je běžné například při dynamické nastavení atributů prvků analyzován. Má integrovanou funkci extrahovat text od značek HTML, činí značky HTML s jednoduchým formátování textu, formát zdrojový HTML kód, který odrážky prvky podle jejich hloubky v prvku hierarchii dokumentu, a kompaktní zdrojového kódu HTML tím, že odstraní všechny zbytečné bílá místo.