Jsoup删除了引号和撇号

Question

我有类似

的东西

Whitelist whitelist = new Whitelist();
whitelist.addTags("p", "i", "b", "em", "strong", "u");
String content = Jsoup.clean(data.html(), whitelist);

在我的代码中。但是Jsoup库删除了“和”。我该如何防止这种情况。

e.g。 = ＆lt; p＆gt;这是晴天。＆lt; / p＆gt;

结果= 它？是一个阳光灿烂的日子。

Answer 1

您正在使用data.html（）。这是Element类的API告诉它的：Element API

Retrieves the element's inner HTML. E.g. on a <div> with one empty <p>, would return <p></p>. (Whereas Node.outerHtml() would return <div><p></p></div>.) 

所以你应该使用方法outerHtml（）代替：

String content = Jsoup.clean(data.outerHtml(), whitelist);

这里也是有用示例的另一个链接。该示例包含两种方法，您可以看到差异：Jsoup Attribute text and HTML example

至于另一个问题（引用变成问号），我认为它是编码和字符集的问题，因为它没有在我的电脑上发生。检查源html文件的编码，并尝试使用匹配的charachter set在Jsoup中初始解析它。