使用jsoup逃避不允许的标签
[英]Using jsoup to escape disallowed tags
问题描述
I am evaluating jsoup for the functionality which would sanitize (but not remove!) the non-whitelisted tags. 
我正在评估jsoup的功能，该功能可以清理（但不能删除！）未列入白名单的标签。 Let's say only <b> tag is allowed, so the following input 假设仅允许使用<b>标记，因此以下输入
foo <b>bar</b> <script onLoad='stealYourCookies();'>baz</script>
has to yield the following: 必须产生以下内容：
foo <b>bar</b> <script onLoad='stealYourCookies();'>baz</script>
I see the following problems/questions with jsoup: 我发现jsoup存在以下问题/问题：
-
document.getAllElements()always assumes<html>,<head>and<body>.document.getAllElements()始终采用<html>，<head>和<body>。 Yes, I can calldocument.body().getAllElements()but the point is that I don't know if my source is a full HTML document or just the body -- and I want the result in the same shape and form as it came in;是的，我可以调用document.body().getAllElements()但要点是我不知道我的源文件是完整的HTML文档还是仅仅是正文-我希望结果的形状和形式与它进来了； - how do I replace
<script>...</script>with<script>...</script>如何将<script>...</script>替换为<script>...</script>?？ I only want to replace brackets with escaped entities and do not want to alter any attributes, etc. Node.replaceWithsounds like an overkill for this.我只想用转义的实体替换方括号，并且不想更改任何属性，等等Node.replaceWith听起来对此Node.replaceWith大材小用。 - Is it possible to completely switch off pretty printing (eg insertion of new lines, etc.)? 是否可以完全关闭漂亮的打印（例如插入新行等）？
Or maybe I should use another framework? 也许我应该使用其他框架？ I have peeked at htmlcleaner so far, but the given examples don't suggest my desired functionality is supported. 到目前为止，我已经窥视了htmlcleaner ，但是给出的示例并不表明支持我所需的功能。
1 个解决方案
解决方案1
5 已采纳 2013-02-09 00:49:14
Answer 1 答案1
How do you load / parse your Document with Jsoup? 如何使用Jsoup加载/解析Document ？ If you use parse() or connect().get() jsoup will automaticly format your html (inserting html , body and head tags). 如果使用parse()或connect().get() jsoup将自动格式化html（插入html ， body和head标签）。 This this ensures you always have a complete Html document - even if input isnt complete. 这样可以确保您始终拥有完整的HTML文档-即使输入不完整。
Let's assume you only want to clean an input (no furhter processing) you should use clean() instead the previous listed methods. 假设您只想清除输入（无需进一步处理），则应使用clean()而不是前面列出的方法。
Example 1 - Using parse() 示例1-使用parse（）
final String html = "<b>a</b>";
System.out.println(Jsoup.parse(html));
Output: 输出：
<html>
<head></head>
<body>
<b>a</b>
</body>
</html>
Input html is completed to ensure you have a complete document. 输入html已完成，以确保您具有完整的文档。
Example 2 - Using clean() 示例2-使用clean（）
final String html = "<b>a</b>";
System.out.println(Jsoup.clean("<b>a</b>", Whitelist.relaxed()));
Output: 输出：
<b>a</b>
Input html is cleaned, not more. 输入html被清除，不能更多。
Documentation: 说明文件：
Answer 2 答案2
The method replaceWith() does exactly what you need: 方法replaceWith()完全满足您的需求：
Example: 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);
Output: 输出：
<html>
<head></head>
<body>
<b><script>your script here</script></b>
</body>
</html>
Or body only : 或仅身体 ：
System.out.println(doc.body().html());
Output: 输出：
<b><script>your script here</script></b>
Documentation: 说明文件：
Answer 3 答案3
Yes, prettyPrint() method of Jsoup.OutputSettings does this. 是的， Jsoup.OutputSettings prettyPrint()方法Jsoup.OutputSettings做到这一点。
Example: 例：
final String html = "<p>your html here</p>";
Document doc = Jsoup.parse(html);
doc.outputSettings().prettyPrint(false);
System.out.println(doc);
Note: if the outputSettings() method is not available, please update Jsoup. 注意：如果outputSettings()方法不可用，请更新Jsoup。
Output: 输出：
<html><head></head><body><p>your html here</p></body></html>
Documentation: 说明文件：
Answer 4 (no bullet) 答案4 （无项目符号）
No! 没有！ Jsoup is one of the best and most capable Html library out there! Jsoup是那里最好 ，功能最强大的 HTML库之一！
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.