Jumony Core 3，真正的HTML引擎，正式版發佈

時間 2019-11-06

標籤 jumony core 真正 html 引擎正式發佈欄目 HTML 简体版

原文原文鏈接

Jumony是一個開源項目，已經有三年的歷史了，在這三年中，秉承提供給.NET程序員完整的HTML掌控能力，Jumony歷經無數次的改進，終於進入了一個新的階段。Jumony Core 3是一個真正意義上的HTML引擎。html

Jumony Core 3目前已經在NuGet上發佈，請直接在NuGet包管理器中搜索 Jumony Core ，便可下載。git

1、解析器

也許不少人會認爲，目前的HTML解析器已經足夠了，甚至於簡單的正則，也已經能夠知足操縱HTML文檔的需求。是的，對於互聯網上絕大多數的HTML文檔，事實上都大部分知足了XHTML的規範，對於它們的解析，並不須要多麼強大的解析器。可是強大的解析器是一回事，而完美的解析器又是另外一回事。github

Jumony Core首先提供了一個近乎完美的HTML解析引擎，其解析結果無限逼近瀏覽器的解析結果。不管是無結束標籤的元素，可選結束標籤的元素，或是標記屬性，或是CSS選擇器和樣式，一切合法的，不合法的HTML文檔，瀏覽器解析成啥樣，Jumony就解析成啥樣。也就是說，Jumony解析的結果，與瀏覽器解析的結果別無二致，讓你能夠不再用關心HTML文檔是否能夠被識別，瀏覽器能看，Jumony就能解。正則表達式

完美和強大隻有一步之遙，可是完美的解析器可讓你永遠不用關心HTML源文檔。瀏覽器

如下是Jumony解析器所支持的特性不徹底列表post

特性	例子
孤立的<解析爲文本	< a應當解析爲< a
孤立的>解析爲文本	<a>></a>應當解析爲<a>></a>
標記屬性（沒有值的屬性）	<input type="text" checked />
元素丟失結束標籤	<div><a href="test.html">測試連接</div>
可選結束標籤元素 "body", "colgroup", "dd", "dt", "head", "html", "li", "option", "p", "tbody", "td", "tfoot", "th", "thead", "tr"	<p>abc<p>123
無結束標籤元素 "area", "base", "basefont", "br", "col", "frame", "hr", "img", "input", "isindex", "link", "meta", "param", "wbr", "bgsound", "spacer", "keygen"	<img src="1.jpg">
CData元素	<script>if ( 1<a ) alert( "<div>" );</script>
"script", "style", "textarea", "title"
預格式化元素	<pre> 前面有空格</pre>
屬性值使用單引號	<a href='#'>
屬性值使用雙引號	<a href="#"
屬性值不使用引號	<a href=#>
屬性值丟失（但有等號）	<a href=>
屬性值前面有空格	<a href= "test.html">
解析HTML聲明	<!DOCTYPE html>

不只僅是能夠從文本中解析HTML，Jumony的API能夠從互聯網上直接抓取文檔分析，並根據HTTP頭自動識別編碼：測試

new JumonyParser().LoadDocument( "http://www.cnblogs.com/" ).Find( ".post_item a.titlelnk" )

而目前僅次於Jumony的HTML解析開源項目HtmlAgilityPack早已中止了更新，這麼多年過去了，對於最基本的<form>元素的解析都還存在問題。網站

2、CSS樣式設置支持

僅僅只是完美解析HTML，並不能帶來多少好處，上面已經說過，事實上大部分的HTML文檔，均可以用二流的解析器甚至是簡單的正則表達式加以分析，那麼爲何咱們須要Jumony呢？ui

答案是一個HTML引擎不只僅是解析DOM結構這麼簡單。

考慮這樣的場景：我須要給一個元素的display樣式設置一個none值。在瀏覽器中，咱們只須要簡單的element.style.display = "none"即可以知足咱們的要求。如今，經過解析器已經獲得了咱們所須要的DOM，但設置樣式還須要進行字符串的拼接麼？

不須要，Jumony支持CSS樣式解析，甚至部分CSS樣式縮寫規則也能識別，在Jumony中，給元素設置一個樣式和在瀏覽器中同樣簡單：

element.Style( "display", "none" )

咱們再來看這樣的例子：<div style="padding: 5px"></div>，若是咱們對這個元素設置padding-left: 0px會怎樣？

在Jumony中，結果會是：<div style="padding-left: 0px; padding-right: 5px; padding-top:5px; padding-bottom: 5px"></div>，看，padding屬性被神奇的自動展開了。

3、CSS 3選擇器支持

CSS選擇器是HTML世界通行的查詢語言，其簡潔有力且被衆多瀏覽器支持。Jumony也支持幾乎完整的CSS3選擇器（除去運行時僞類及僞對象）。藉助選擇器，咱們能夠輕鬆的在HTML中找到咱們感興趣的對象。例如抓取博客園首頁全部文章標題：

new JumonyParser().LoadDocument( "http://www.cnblogs.com/" ).Find( ".post_item a.titlelnk" )

抓取，分析，選擇，一鼓作氣，只須要簡單的代碼，咱們就能在控制檯輸出咱們抓取到的數據：

foreach( var title = new JumonyParser().LoadDocument( "http://www.cnblogs.com/" ).Find( ".post_item a.titlelnk" ) )
  Console.WriteLine( title.InnerText() );

Jumony支持的CSS3選擇器列表：

選擇器	描述
*	選擇全部元素
p a	選擇子代元素
p>a	選擇子級元素
p+a	選擇相鄰元素
p~a	選擇後繼元素
[attr]	屬性存在選擇
[attr=value]	屬性值精確匹配
[attr~=value]	屬性值近似匹配
[attr^=value]	屬性值開頭匹配
[attr*=value]	屬性值包含匹配
[attr$=value]	屬性值結尾匹配
[attr!=value]	屬性值否認匹配
:not	否認僞類
:only-child	惟一子元素僞類
:only-of-type	惟一類型僞類
:empty	空元素僞類
:nth-child	結構化僞類
:nth-last-child	結構化僞類
:nth-of-type	結構化僞類
:nth-last-of-type	結構化僞類
:first-child	結構化僞類
:last-child	結構化僞類
:first-of-type	結構化僞類
:last-of-type	結構化僞類