1、jsoup 是一款 Java 的HTML 解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于JQuery的操作方法来取出和操作数据。据说它是基于MIT协议发布的。
jsoup的主要功能如下：
从一个URL，文件或字符串中解析HTML；
使用DOM或CSS选择器来查找、取出数据；
可操作HTML元素、属性、文本；
示例代码：
Document doc = Jsoup.parse(input, "UTF-8", "http://www.dangdang.com")
Element content = doc.getElementById("content")
Elements links = content.getElementsByTag("a")
for (Element link : links) {
String linkHref = link.attr("href")
String linkText = link.text()
}
2、htmlparser是一个纯的java写的html解析的库，它不依赖于其它的java库文件，主要用于改造或提取html。它能超高速解析html，而且不会出错。现在htmlparser最新版本为2.0。 据说htmlparser就是目前最好的html解析和分析的工具。无论你是想抓取网页数据还是改造html的内容，用了htmlparser绝对会忍不住称赞。
在线文档： http://www.osctools.net/apidocs/apidoc?api=HTMLParser；http://htmlparser.sourceforge.net/project-info.html
示例代码：
Parser parser = new Parser ("http://www.dangdang.com")
NodeList list = parser.parse (null)
Node node = list.elementAt (0)
NodeList sublist = node.getChildren ()
System.out.println (sublist.size ())
代码规范性有两种方法：1、在线检查：http://validator.w3.org/；
2、工具检查，例如：Html Validator。
Html Validator是Firefox的一个附加组件，以前看《精通CSS》提到的一些工具都因为不方便而没使用，每次都是在W3C在线验证查看代码是否规范。虽说过于追求标准有时没必要，但可能就因为有这种“标准癖”，没通过验证总觉得代码还是有问题。这个扩展真是解决了我不少问题。
Html Validator验证起来很方便。本地验证速度比W3C的在线网页要快很多，页面打开就能查看存在多少个问题，几处错误几处警告都一目了然。
它的验证方式有3种：HTML 、Tidy、SGML解析器和连续。前两种分别适合HTML和XHTML的验证，第三种为两种模式各验证一遍。
