#HTML解析

lego-ai-parser

Lego AI Parser是一个开源工具，基于FastAPI，利用OpenAI解析HTML元素的文本。支持谷歌、亚马逊、Etsy等预设解析器，并允许用户设计自定义解析器。用户可设置服务器进行API调用，确保安全高效。

nlm-ingestor

nlm-ingestor是一个开源的文档解析工具，专门针对RAG(检索增强生成)进行了优化。它支持PDF、HTML和文本等多种格式，提供章节划分、段落链接和表格识别等精确的内容结构化功能。该项目整合了改进版Apache Tika和OCR技术，能够高效处理大型文档。nlm-ingestor不依赖特殊硬件，为开发者提供了强大的基础设施，有助于提高LLM项目的检索和生成性能。

goquery

goquery是Go语言生态中的一个HTML解析工具，其API设计借鉴了jQuery的语法风格。它构建在Go标准库的net/html包和第三方CSS选择器库cascadia之上，为开发者提供了简洁的链式调用方式和易于理解的方法名。goquery能够进行HTML文档的解析、元素查询、DOM遍历和修改等操作，广泛应用于网页内容抓取和数据分析场景。该库需要Go 1.18或更高版本，并保证与Go语言的最新两个版本保持兼容。

html-query

html-query是一个命令行工具，用于从HTML中提取数据并转换为JSON格式。它采用类似JSON的CSS选择器语法，支持选择文本、属性、父元素和兄弟元素。该工具适用于网页爬虫和数据分析等场景，能够高效地从复杂HTML结构中提取信息，提高数据处理效率。

cheerio

Cheerio是一款高效灵活的HTML和XML解析操作工具。它实现了jQuery核心功能的子集，提供简洁一致的DOM模型，大大提高了文档解析、操作和渲染的效率。Cheerio能够解析几乎所有HTML或XML文档，同时适用于浏览器和服务器环境。该工具支持jQuery风格的选择器，便于开发者查找、修改和渲染文档元素。作为一个广受欢迎的开源项目，Cheerio在实际生产环境中得到了广泛应用。