jsoup 1.8.1 發布，極大的性能提升！

jsoup 1.8.1 發布啦！

jsoup 1.8.1 顯著提升了文本和樹序列化的性能；可以選擇 HTML 或者 XML 輸出；還有大量的功能改進和 bug 修復。此版本現已提供下載。

更新內容如下：

改進

• 可以選擇 HTML 或者 XML 輸出，默認是 HTML

• Element.text() 性能改進

• Element.html() 性能改進

• 縮短文件讀的時間，同時也改進了文件解析器，提升大概 10% 的速度

• 添加 Element.cssSelector()

• Tightened the scope of what characters are escaped in attributes and textnodes, to align with the spec.

• 如果禁用了 pretty-print，將不會去除 Element.html() 以外的空格

• HTML Cleaner 中允許基礎白名單中帶有 span 標簽，relaxed whitelist 中帶有 span 和 div 標簽

• 放松 doctype 驗證，可以不指定名稱

• CSS Selectors 支持 quoted 屬性值

Bug 修復

• Fixed an issue where <svg><img/></svg> was parsed as <svg><image/></svg>

• Fixed an issue where a UTF-8 BOM character was not detected if the HTTP response did not specify a charset, and the HTML body did, leading to the head contents incorrectly being parsed into the body. Changed the behavior so that when the UTF-8 BOM is detected, it will take precedence for determining the charset to decode with.

• Fixed an issue in parsing a base URI when loading a URL containing a http-equiv element.

• Fixed an issue for Java 1.5 / Android 2.2 compatibility, and verify it doesn't regress.

• Fixed an issue that would throw an NPE when trying to set invalid HTML into a title element.

• Fixed support for nth-of-type selectors with unknown tags.

• Added support for application/*+xml mimetypes.

• Fixed support for allowing script tags in cleaner whitelists.

更多內容請看發行說明。

jsoup 是一款 Java 的HTML 解析器，可直接解析某個URL地址、HTML文本內容。它提供了一套非常省力的API，可通過DOM，CSS以及類似于JQuery的操作方法來取出和操作數據。

jsoup的主要功能如下：

1. 從一個URL，文件或字符串中解析HTML；

2. 使用DOM或CSS選擇器來查找、取出數據；

3. 可操作HTML元素、屬性、文本；

jsoup是基于MIT協議發布的，可放心使用于商業項目。

來自：http://www.oschina.net/news/55684/jsoup-1-8-1