denis111111Добрый день всем
Стоит задача парсить несколько десятков сайтов (на каждом сайте очень много страниц)
Есть некие временные рамки в которые мне нужно вложится при парсенге. Тож нужен самый шустрый html парсер:
- быстро парсит
- извлекает только то, что нужно из страницы, остальное в память не грузит (как SAX- парсер)
- коннект на сайт делается только раз, потом надсылаются только http запросы (по аналогии как с java Sockets)

В сети говорят то что хорошые парсеры это Jsoup и Jaunt
Но в меня такое подозрение что они сразу парсят весь документ (как DOM-парсер), а не то что мне нужно.

Сначала надо убедиться, что именно парсинг будет проблемой, а не сетевой запрос.
А потом уже переходить с удобного DOM на потоковый (или как его правильно).
Jsoup позволяет грузить очень большие сайты (с миллионами страниц) и не быть узким местом.