HTML Cleaner

HTML Cleaner - мощный HTML-парсер с открытым исходным кодом, написанный на языке Java. HTML-код, содержащийся в веб-страницах, как правило, "грязный", посредственно сформирован, и слабо пригоден для дальнейшей обработки. Для дальнейшего его использования требуется сперва навести в нем порядок, упорядочить и отформатировать теги, атрибуты и обычный текст. Программа берет исходный HTML-документ и переделывает его, а также упорядочивает содержимое в соответствии со стандартами. На выходе получается хорошо сформированный документ формата XML. По умолчанию, программа следует правилам, которые очень похожи на те, что применяются большинством современных веб-браузеров при создании объектной модели документа.

HTML Cleaner может быть применен при работе с Java-кодом, как командная строка или Ant-задание. Он разрабатывался как маленькая, независимая от других пакетов (кроме JRE), быстрая и гибкая программа. Главной целью разработчиков было создание приложения, которое подготовит HTML-код для его последующей обработки в XPath, XQuery и XSLT.