解析html页面的选择

虽然html与xml类似，但宽松的标准决定了它不能以xml解析器来解析，下面列出解析html的三种解决方案：

1.htmlparser

最常见的方法，htmlparser这个工具已经十分成熟了，解析各类html页面都可以胜任，但是选择标签的方法只有各类filter，没法按照网页结构来选择

优点：通用面广，鲁棒性强

缺点：结构查询能力太弱

2.tidy+xpath

tidy是将html页面转换为严格的xhtml页面的工具，转换以后的页面可以适应xml标准因此就可以使用xpath来解析了

优点：可以使用xpath强大的查询能力

缺点：目前tidy的通用性还不够，有些不标准的页面还是没法转换

3 jsoup

据说功能比htmlparser强大，有时间去试一下

================================

感觉确实比htmlparser强大，容易上手、查询方便、鲁棒性强，在没深入了解之前是找不到什么缺点了

最重要的就是容易上手这一点了，稍微看看文档就会用，查询方式用的是DOM和jquery的查询方式，不像htmlparser那些filter一样需要额外的学习，光是这点我想作为用jsoup的理由就足够了