java - 是否有标准的 Java SE HTML 解析器？如果是这样，为什么要使用非标准的？

Question

我需要解析一个简单的 HTML 页面，其中包含一个简单的表单。 StackOverflow 上类似问题的答案建议使用多种非标准 Java 库中的一种，例如 TagSoup、JSoup、HTMLParser 等等。

但是，网络搜索显示通过此类在 Java SE 中存在一些标准功能:http://docs.oracle.com/javase/7/docs/api/javax/swing/text/html/parser/ParserDelegator.html

我的子问题是:

1. 标准的 ParserDelegator 类真的可以解析像我这样的用例吗？
2. 标准库的局限性是什么导致需要这么多非标准库？
3. ParserDelegator 在 swing 中的事实是否排除了在 web 应用程序的常规 EC2 云服务器中使用它？我是否必须绕过很多障碍才能绕过 headless 方面，或者这只是对配置的一个小调整？
4. 如果不推荐标准的，我应该使用哪个非标准的，考虑到:(a) 我希望不偏离标准太远； (b) 我的简单用例； (c) 期望成熟可靠的实现； (d) 没有尺寸或重量限制，因为这是一个服务器应用程序，而不是嵌入式客户端。 API 的优先级要低得多，所以虽然我很欣赏 JSoup 的 CSS 选择器(如 API)，但其他问题 (a) 到 (d) 会覆盖它。

谢谢。

Answer 1

JDK 内置了支持 HTML 1.0 左右的 HTML 解析器。它应该支持基本文本格式化标签和表单的解析。

使用其他第三方解析器的原因是需要支持“真实的”HTML 页面 DHTML、JavaScript 等。

JSoup 是可以完成这项工作的流行解析器之一。有关其他实现的更多信息，请查看以下讨论:

Pure Java HTML viewer/renderer for use in a Scrollable pane