答案1

Question

我正在评估jsoup用于清理（但不删除！）非白名单标签的功能。假设只允许<b>标记，所以输入

foo <b>bar</b> <script onLoad='stealYourCookies();'>baz</script>

必须提供以下内容：

foo <b>bar</b> &lt;script onLoad='stealYourCookies();'&gt;baz&lt;/script&gt;

我在jsoup中看到以下问题/问题：

document.getAllElements()始终采用<html>，<head>和<body>。是的，我可以致电document.body().getAllElements()，但重点是我不知道我的来源是完整的HTML文档还是仅仅是正文 - 我希望结果的形状和形式与它相同;
如何将<script>...</script>替换为<script>...</script>？我只想用转义的实体替换括号，并且不想改变任何属性等。Node.replaceWith听起来像是一种矫枉过正。
是否可以完全关闭漂亮的打印（例如插入新行等）？

或许我应该使用另一个框架？到目前为止，我已经查看了htmlcleaner，但是给出的示例并未表明我支持所需的功能。

Answer 1

答案1

如何使用Jsoup加载/解析Document？如果您使用parse()或connect().get()，jsoup会自动格式化您的html（插入html，body和head标记。这个确保你总是有一个完整的Html文档 - 即使输入不完整。

假设您只想清理输入（无需处理），您应该使用clean()而不是之前列出的方法。

示例1 - 使用解析（）

final String html = "<b>a</b>";

System.out.println(Jsoup.parse(html));

<强>输出：

<html>
 <head></head>
 <body>
  <b>a</b>
 </body>
</html>

输入html已完成，以确保您拥有完整的文档。

示例2 - 使用clean（）

final String html = "<b>a</b>";

System.out.println(Jsoup.clean("<b>a</b>", Whitelist.relaxed()));

<强>输出：

<b>a</b>

输入html已清除，而不是更多。

<强>文档

Jsoup

答案2

方法replaceWith()完全符合您的需要：

示例：

final String html = "<b><script>your script here</script></b>"; Document doc = Jsoup.parse(html); for( Element element : doc.select("script") ) { element.replaceWith(TextNode.createFromEncoded(element.toString(), null)); } System.out.println(doc);

<强>输出：

<html> <head></head> <body> <b><script>your script here</script></b> </body> </html>

或仅限身体：

System.out.println(doc.body().html());

<强>输出：

<b><script>your script here</script></b>

<强>文档

Node.replaceWith(Node in)

TextNode

答案3

是的，prettyPrint()的{{1}}方法可以做到这一点。

示例：

Jsoup.OutputSettings

注意：如果final String html = "<p>your html here</p>"; Document doc = Jsoup.parse(html); doc.outputSettings().prettyPrint(false); System.out.println(doc);方法不可用，请更新Jsoup。

<强>输出：

outputSettings()

<强>文档

Document.OutputSettings.prettyPrint(boolean pretty)

回答4 （无子弹）

不！ Jsoup是最佳和最强大的 Html库之一！

使用jsoup来转义不允许的标记

1 个答案:

答案1

答案2

答案3

回答4 （无子弹）