jsoup 1.22.1 宣布，Java HTML 解析器

应用介绍

Internal Changes

• 已弃用的内部帮助函数org.jsoup.internal.Functions（将在 v1.23.1 版本中移除）。#2412

jsoup 1.22.1 现已宣布，新增了对re2j正则表达式引擎的支撑（用于基于正则表达式的 CSS 选择器），可设备的最大年夜解析深度，以及大年夜量缺点修复和改进。

改进

• 新增了对re2j正则表达式引擎的支撑，用于基于正则表达式的 CSS 选择器（（例如[attr~=regex], :matches(regex)）。这使得处理用户供给的随便率性查询正则表达式加倍安然。要启用此功能，将com.google.re2j依附项添加到类路径中，例如：

 <dependency> <groupId>com.google.re2j</groupId> <artifactId>re2j</artifactId> <version>1.8</version> </dependency>

（假如你的类路径中已经包含了该依附项，但仍然想应用 Java 正则表达式引擎，可以经由过程System.setProperty("jsoup.useRe2j", "false")禁用 re2j 。）可以经由过程调用Regex.usingRe2j()来确认 re2j 引擎是否已精确启用。#2407

• 新增了一个实例办法Parser#unescape(String, boolean)，该办法应用解析器的设备来解转义 HTML 实体（例如，为了支撑缺点跟踪），作为现有静态实用法度榜样Parser.unescapeEntities(String, boolean)的弥补。#2396
• 为 HTML 和 XML 解析器都添加了可设备的最大年夜解析深度（用于限制客栈中打开的元素数量）。HTML 解析器的默认深度如今为 512，以匹配浏览器行动并防止客栈无穷增长；XML 解析器默认保持无穷制深度，但可以经由过程Parser.setMaxDepth()选择限制深度。#2421
• Build：添加了对 JDK 25 的 CI coverage #2403
• Build：新增了用于高低文片段解析的 CI 模糊测试器（除了现有的完全 HTML 和 XML 模糊测试器之外）。oss -fuzz #14041

变更

• 为之前已弃用的 API 制订 jsoup 1.24.1 的移除筹划。

缺点修复

• 先前在Node#WordStrWith(Node)中未精确掉效元素的缓存子元素，可能导致后续调用Element#children()时出现缺点成果。#2391
• 属性选择器值现采取字面比较且不进行修剪。此前 jsoup 会从选择器值及元素属性值中去除空格，这可能导致与浏览器行动不一致（例如[attr=" foo "]）。现已与 CSS 规范及浏览器引擎保持一致。#2380
• 应用 JDK HttpClient 时，体系默认代理ProxySelector.getDefault()会被忽视。现已修改：若未设置请求级代理，则应用体系代理。#2388，#2390
• adoption agency 算法在处理严重破坏的输入时可能抛出ValidationException。现已改为记录为解析缺点。#2393
• HTML 正文中的空字符未被一致地移除；外部内容中的空字符也未精确调换。#2395
• 解析经由构造的正文片段时可能抛出IndexOutOfBoundsException异常。现改为记录为解析缺点。 #2397，#2406
• ……

详情可查看更新解释：https://jsoup.org/news/release-1.22.1