Question

我使用白名单如下：

           Document doc = Jsoup.parse(urls[0], 5000);
            if (doc != null){

                Whitelist wl = Whitelist.basicWithImages();
                // wl.preserveRelativeLinks(false);
                Cleaner cleaner = new Cleaner(wl);
                cleanedDoc=cleaner.clean(doc);
                if (cleanedDoc != null){
                   whiteListedHtml = cleanedDoc.html();
                }
            }
        }catch(IOException e){
           Log.d(TAG,"exception="+e.getMessage());
        }

现在这非常接近我想做的事情，除了：有div标签，其类有＆＃34; nav＆＃34;或者＆＃34; ad＆＃34;并填写页面带有红色。我想保留div标签，但不是如果班级碰巧有“导航”标签。或者＆＃39; ad＆＃39;出现在其中。

这让我想到了继承白名单...... RTFM http://jsoup.org/apidocs/org/jsoup/safety/Whitelist.html我明白了 addTag（）和removeTag（）（以某种方式removeTag（）不可用，但这是另一个问题）。我真正想要做的是删除当且仅当标签的类包含刺激中的某些值，例如＆＃39; ad＆＃39;或者＆＃39; nav＆＃39;。看起来充满希望的唯一方法是：

protected boolean isSafeTag(String tag)

Test if the supplied tag is allowed by this whitelist

Parameters:
    tag - test tag 
Returns:
    true if allowed

那么我怎样才能拿出这个字符串的类值进行测试？无论如何在没有继承白名单的情况下进行此检查吗？

Answer 1

您可以做的一件事是手动删除<div class='ad'>之类的标签。首先，将div标记添加到白名单中（否则清理工具会删除它们）

 Whitelist wl = Whitelist
     .basicWithImages()
     .addTags("div");

之后，选择要删除的所有元素，然后......只需删除它们^^

doc
    .select("div[class=\"nav\"]")
    .forEach(e -> e.remove());

（您也可以使用通配符 - 请参阅selector-syntax）

然后像你一样清理文档。

注意：你也可以反过来做 - 先清理，然后删除

jSoup如何将匹配某些类模式的标签列入白名单？

1 个答案: