Jericho HTML Parser

Jericho HTML Parser este o bibliotecă Java care permite analiza și manipularea părți ale unui document HTML, inclusiv etichete server-side, în timp ce de reproducere textual orice HTML nerecunoscut sau nevalid. Tag-uri de server ASP, JSP, PSP, PHP și Mason sunt recunoscute în mod explicit de către parser. Acest lucru înseamnă că HTML normală este încă analizat în mod corespunzător, chiar dacă există tag-uri pentru servere interiorul ei, care este comun, de exemplu, atunci când se stabilesc în mod dinamic atributele de elemente. Acesta a construit-o funcționalitate a extrage tot textul din HTML markup, face markup HTML cu formatarea textului simplu, cod format sursă HTML care indentează elemente în funcție de adâncimea lor în elementul ierarhia de documente, precum și cu codul sursă HTML compact prin eliminarea tuturor inutile alb spațiu.