Jericho HTML Parser

ਵੇਰਵਾ

ਜੇਰੀਕੋ HTML ਪਾਰਸਰ ਇੱਕ ਜਾਵਾ ਲਾਇਬ੍ਰੇਰੀ ਹੈ ਜੋ ਕਿਸੇ HTML ਦਸਤਾਵੇਜ਼ ਦੇ ਹਿੱਸਿਆਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਹੇਰਾਫੇਰੀ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ, ਸਰਵਰ-ਸਾਈਡ ਟੈਗਸ ਸਮੇਤ, ਕਿਸੇ ਵੀ ਅਣਪਛਾਤੇ ਜਾਂ ਅਵੈਧ HTML ਨੂੰ ਜ਼ੁਬਾਨੀ ਰੂਪ ਵਿੱਚ ਦੁਬਾਰਾ ਤਿਆਰ ਕਰਦੇ ਹੋਏ। ASP, JSP, PSP, PHP ਅਤੇ ਮੇਸਨ ਸਰਵਰ ਟੈਗਸ ਨੂੰ ਪਾਰਸਰ ਦੁਆਰਾ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਪਛਾਣਿਆ ਜਾਂਦਾ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਆਮ HTML ਨੂੰ ਅਜੇ ਵੀ ਸਹੀ ਢੰਗ ਨਾਲ ਪਾਰਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਭਾਵੇਂ ਉਹਨਾਂ ਦੇ ਅੰਦਰ ਸਰਵਰ ਟੈਗ ਹੋਣ, ਜੋ ਕਿ ਆਮ ਤੌਰ 'ਤੇ ਤੱਤ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਡਾਇਨਾਮਿਕ ਤੌਰ 'ਤੇ ਸੈੱਟ ਕਰਨ ਵੇਲੇ ਆਮ ਹੁੰਦਾ ਹੈ। ਇਸ ਵਿੱਚ HTML ਮਾਰਕਅੱਪ ਤੋਂ ਸਾਰੇ ਟੈਕਸਟ ਨੂੰ ਐਕਸਟਰੈਕਟ ਕਰਨ, ਸਧਾਰਨ ਟੈਕਸਟ ਫਾਰਮੈਟਿੰਗ ਦੇ ਨਾਲ HTML ਮਾਰਕਅੱਪ ਨੂੰ ਰੈਂਡਰ ਕਰਨ, HTML ਸਰੋਤ ਕੋਡ ਨੂੰ ਫਾਰਮੈਟ ਕਰਨ ਲਈ ਬਿਲਟ-ਇਨ ਕਾਰਜਕੁਸ਼ਲਤਾ ਹੈ ਜੋ ਦਸਤਾਵੇਜ਼ ਐਲੀਮੈਂਟ ਲੜੀ ਵਿੱਚ ਉਹਨਾਂ ਦੀ ਡੂੰਘਾਈ ਦੇ ਅਨੁਸਾਰ ਤੱਤਾਂ ਨੂੰ ਸੂਚਿਤ ਕਰਦਾ ਹੈ, ਅਤੇ ਸਾਰੇ ਬੇਲੋੜੇ ਚਿੱਟੇ ਨੂੰ ਹਟਾ ਕੇ HTML ਸਰੋਤ ਕੋਡ ਨੂੰ ਸੰਕੁਚਿਤ ਕਰਦਾ ਹੈ। ਸਪੇਸ