作为2个最有知名度的解析html页面的开源库，HtmlParser和NekoHtml到底哪个更好呢？
1）支持标签上面。HtmlParser只支持一些常见的标签，而NekoHtml支持了全部的标签（就算它不认识，它也会处理）。比如，对于代码：
<html>
<k>hello</k>
</html>
它们的解析为：
2）支持html协议上面。NekoHtml会像浏览器一样，帮你自动的规划html代码，比如，缺少html的会帮你加上去，缺少body的也是帮你自动加上去。这点HtmlParser是做不到的。不过，NekoHtml虽然是有这样强大的功能，可是，他却做的并不太好，它甚至不容许在html里面出现新的html标签。另外，NekoHtml也会帮你调整table标签的内容，但是，做法和标准的浏览器做法不同。存在问题的还有div标签的处理上。
3）速度方面。NekoHtml的解析速度明显比不上HtmlParser，这也是显然的，因为nekohtml做了很多额外的工作，HtmlParser则是什么都没有做，直接转化html代码为Dom树（这个Dom树居然都不是按照标准的org.w3c.*;来构建的）。
个人经验表明，如下选择比较好：
1）分析js脚本。如果你需要解析Html并且分析其中的js脚本的话，带自动格式化（添加Html,body标签）的NekoHtml显然更加能够满足要求；
2）分析dom树。如果你仅仅需要分析html页面的dom树，那么，你可以使用HtmlParer来做，它能够保证你的页面分析得到的结果和你想要的是相同的。不过，为了支持更多的标签，你还是需要手工的修改HtmlParser的。另外，手工的修改NekoHtml很麻烦。
注：修改HtmlParser的方法是：
1）在org.htmlparser.tags下面增加需要的tag;
2）到PrototypicalNodeFactory类里面修改注册的代码。
from：http://hi.baidu.com/algorithms/blog/item/078181097ee9f1266a60fb4f.html
8883
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
