HTMLParserプロジェクトは14日(現地時間)、Java用のHTMLパーサ・ライブラリであるHTMLParserのバージョン1.5を公開した。HTMLParserは、Javaを用いてHTMLの構文解析プログラムを作成するためのライブラリで、高速でシンプルな実装を提供する。

今回公開されたバージョン1.5では、1.4から以下の点が変更された。

• SAXパーサの追加
• HTTP接続のためのhttpパッケージの追加
• CDATAを取り出すためのparseCDATAメソッドをLexerクラスへ追加
• Translateクラスをhtmllexer.jarから分離
• Windows用バッチファイルの修正
• build.xmlファイルの修正
• LinkProcessorを非推奨にし、Pageクラスへ移行
• lexer.nodesパッケージを廃止し、ノード関連の実装クラスはnodesパッケージへ追加
• tags.Tagクラスを廃止してTagNodeクラスへ統合
• Objectタグを表すObjectTagクラスの追加
• CSS2セレクタのためのCssSelectorNodeFilterの追加
• 正規表現をサポートするRegexFilterの追加
• Linkタグ対応のLinkRegexFilterおよびLinkStringFilterの追加
• フィルタビルドツール(filterbuilder.jar)の追加
• 各種バグの修正

HTMLParserでは、HTMLパーサとしての機能はhtmllexer.jarとhtmlparser.jarの2つのライブラリで提供される。htmllexer.jarではHTMLページをタグで分解して順次アクセスする方法が用意されており、htmlparser.jarではそれに加えてタグノードの入れ子情報なども利用することができるようになっている。また、今回新たに追加されたfilterbuilder.jarは、ノードフィルタを自作するためのGUIプログラムを提供する。

プログラマは、htmllexer.jarやhtmlparser.jarをクラスパスに含めることで自作のHTMLパーサを容易に作成することができるようになる。また、LexerクラスやParserクラスはそれ自身でmainメソッドを持つため、そのまま簡易なHTMLパーサとして利用することもできる。HTMLParserのリリースにはそのためのシェルスクリプトやWindows用のバッチファイルも含まれている。