如何在JAVA中除去“src”和“alt”之外的HTML属性

Question

如何使用Java从“alt”和“src”除去字符串中HTML标记的所有属性？

进一步..如何从字符串中的所有“src”属性中获取内容？

：）

Answer 1

你可以：

• 实施SAX parser;
• 使用DOM parser构建一个文档，然后将其修剪并修剪，然后转换回HTML;或
• 在XSLT中使用identity transform（假设您的HTML采用XHTML格式，或者可以转换为JTidy），并附加一些其他情况以删除您不需要的属性。< / LI>

无论您做什么， 都不要尝试使用正则表达式。

Answer 2

好的，以某种方式解决了这个问题。

使用HTMLCleaner库将输入数据解析为有效格式。

然后我使用DOM解析器迭代所有内容，并删除所有不允许的标记和属性。

（和一些小丑陋的黑客;））

这是一项很多工作。