Jsoup1.22.1发布，HTML解析器更新详解

你在学习科技周边相关的知识吗？本文《Jsoup 1.22.1 发布，Java HTML 解析器更新》，主要介绍的内容就涉及到，如果你想提升自己的开发能力，就不要错过这篇文章，大家要知道编程理论基础和实战操作都是不可或缺的哦！

jsoup 1.22.1 已正式发布，本次更新引入了对 re2j 正则表达式引擎的支持（专用于正则驱动的 CSS 选择器）、可自定义的最大解析深度设置，并包含多项缺陷修复与功能优化。

功能增强

• 新增对 re2j 正则引擎的支持，适用于基于正则的 CSS 选择器语法（如 [attr~=regex]、:matches(regex)），显著提升处理用户输入正则表达式的安全性。启用方式：将 com.google.re2j 添加至类路径，例如：

若类路径中已存在该依赖但希望回退至 Java 原生正则引擎，可通过 System.setProperty("jsoup.useRe2j", "false") 显式禁用；调用 Regex.usingRe2j() 可验证 re2j 是否已成功激活。#2407

• 新增实例方法 Parser#unescape(String, boolean)，利用当前解析器配置执行 HTML 实体解码（例如支持错误定位），作为已有静态工具方法 Parser.unescapeEntities(String, boolean) 的补充实现。#2396
• HTML 与 XML 解析器均支持配置最大解析嵌套深度（限制栈中活跃元素数量）。HTML 解析器默认深度设为 512，以对齐主流浏览器行为并防范栈溢出风险；XML 解析器默认不限制深度，但可通过 Parser.setMaxDepth() 手动设定上限。#2421
• 构建流程升级：CI 环境新增 JDK 25 兼容性测试覆盖。#2403
• 构建流程升级：在原有完整 HTML/XML 模糊测试基础上，新增针对上下文片段解析的模糊测试模块（由 oss-fuzz 提供支持，ID: #14041）。

API 变更

• 启动 jsoup 1.24.1 版本中废弃 API 的移除路线图，相关接口将在后续版本中逐步淘汰。

问题修复

• 修复 Node#replaceWith(Node) 方法中未及时清除被替换节点缓存子元素的问题，避免后续调用 Element#children() 返回异常结果。#2391
• 属性选择器值现严格按字面量比对且不再自动裁剪首尾空白。此前版本会同时清理选择器值与元素属性值中的空格，导致行为偏离 CSS 规范及浏览器实际表现（如 [attr=" foo "] 匹配失败）。现已完全对齐标准。#2380
• 使用 JDK 内置 HttpClient 时，系统级代理（ProxySelector.getDefault()）曾被忽略。现已修正：当请求未显式指定代理时，自动采用系统默认代理设置。#2388，#2390
• “adoption agency” 算法在面对严重损坏 HTML 输入时可能抛出 ValidationException。现改为统一记录为解析警告，不中断处理流程。#2393
• HTML 正文内空字符（U+0000）移除逻辑不一致；外部引入内容中的空字符亦未能正确转义。此问题已修复。#2395
• 解析恶意构造的正文片段时偶发 IndexOutOfBoundsException。现捕获并降级为解析错误日志，保障稳定性。#2397，#2406
• ……

内部调整

• 标记内部辅助类 org.jsoup.internal.Functions 为已弃用，计划于 v1.23.1 中彻底移除。#2412

完整更新日志请参阅：https://jsoup.org/news/release-1.22.1

源码获取地址：点击下载

以上就是本文的全部内容了，是否有顺利帮助你解决问题？若是能给你带来学习上的帮助，请大家多多支持golang学习网！更多关于科技周边的相关知识，也可关注golang学习网公众号。