HTML解析器對比

解析HTML是一項自動化工作，由（所謂的）HTML解析器執行。它們有兩個主要目的：

• HTML遍歷：為程式設計師提供一個介面，來輕鬆地訪問和修改「HTML代碼」。典型例子：DOM解析器。
• HTML清理：修正有語法錯誤的HTML，改善結果標記的佈局和縮排樣式。典型例子：HTML Tidy。

解析器	特許條款	實現語言	最新日期*	HTML解析[1]	清理HTML**	升級HTML***
Beautiful Soup[2]	Python S. F. L.	Python	2013-05-31	是	？	？
Gumbo（頁面存檔備份，存於互聯網檔案館）	Apache特許條款2.0	C	2013-08-13	是	？	？
html5lib（頁面存檔備份，存於互聯網檔案館）	MIT特許條款	Python和PHP	2013-12-23[3]	是	是	否
HTML::Parser（頁面存檔備份，存於互聯網檔案館）	藝術特許條款	Perl	2013-03-28	否[4]	？	？
htmlPurifier（頁面存檔備份，存於互聯網檔案館）	GNU寬GPL	PHP	2009-03-25[5]	否	是	是
HTML Tidy	W3C特許條款（英語：W3C Software Notice and License）	ANSI C	2009-03-25[5]	是[6]	是	？
HtmlCleaner（頁面存檔備份，存於互聯網檔案館）	BSD特許條款[7]	Java	2013-09-05	否	是	？
Hubbub（頁面存檔備份，存於互聯網檔案館）	MIT特許條款	C	2013-04-19	是	？	？
Jaunt API（頁面存檔備份，存於互聯網檔案館）	Jaunt Beta特許條款	Java	2013-08-01	是	是	否
Jericho HTML Parser（頁面存檔備份，存於互聯網檔案館）	Eclipse公眾特許條款	Java	2012-10-30[8]	否？？	？	？
jsdom（頁面存檔備份，存於互聯網檔案館）	MIT特許條款	JavaScript	2013-07-21	否	？	？
jsoup[9]	MIT特許條款	Java	2013-01-27[10]	是	是	是
JTidy（頁面存檔備份，存於互聯網檔案館）	JTidy特許條款（頁面存檔備份，存於互聯網檔案館）	Java	2009-12-01[11]	是	？	？
libxml2 HTMLparser（頁面存檔備份，存於互聯網檔案館）	MIT特許條款	C	2012-09-11[12]	是	？	？
NekoHTML（頁面存檔備份，存於互聯網檔案館）	Apache特許條款2.0	Java	2013-02-27[13]	否	是	？
TagSoup	Apache特許條款2.0	Java	2011-07-07	否	？	？
Validator.nu HTML Parser（頁面存檔備份，存於互聯網檔案館）	MIT特許條款	Java	2012-06-05	是	？	？
AVHTML（頁面存檔備份，存於互聯網檔案館）	LGPL	C++	2015-07-17	是	否	是
解析器	特許條款	實現語言	最新日期*	HTML解析	清理HTML**	升級HTML***

* （有重要更新的）最新版本日期。

** 規範（生成標準相容的網頁，減少垃圾資訊，等）和清理（剝離過剩的表達標籤，移除XSS代碼，等）HTML代碼。

*** 將HTML4.X升級到XHTML或HTML5，將廢棄的標籤（如CENTER）轉換為有效的標籤（如帶有style="text-align:center;"的DIV）。

參考資料

1. 12.2 解析HTML文件——HTML標準 （頁面存檔備份，存於互聯網檔案館）（英文）
2. 基於lxml和html5lib，http://www.crummy.com/software/BeautifulSoup/（英文） （頁面存檔備份，存於互聯網檔案館）
3. 版本·html5lib/html5lib-python （頁面存檔備份，存於互聯網檔案館）（英文）
4. HTML-Parser：HTML 5的缺陷#53300 （頁面存檔備份，存於互聯網檔案館）（英文）
5. Windows的HTML Tidy （頁面存檔備份，存於互聯網檔案館）（英文）
6. Tidy解析器舉例：PHP的class.tidynode （頁面存檔備份，存於互聯網檔案館）（英文）
7. HtmlCleaner以BSD特許條款分發 （頁面存檔備份，存於互聯網檔案館）（英文）
8. Jericho HTML Parser——在SourceForge.net瀏覽/jericho-html/3.3 （頁面存檔備份，存於互聯網檔案館）（英文）
9. jsoup Java HTML Parser, with best of DOM, CSS, and jquery. jsoup.org. [2019-09-22]. （原始內容存檔於2019-09-27）.
10. 在master的jsoup/CHANGES·jhy/jsoup·GitHub （頁面存檔備份，存於互聯網檔案館）（英文）
11. JTidy—在SourceForge.net瀏覽/JTidy （頁面存檔備份，存於互聯網檔案館）（英文）
12. libxml2版本 （頁面存檔備份，存於互聯網檔案館）（英文）
13. NekoHTML | 變更歷史 （頁面存檔備份，存於互聯網檔案館）（英文）