Jsoup 清除HTML标签,指定保留某些HTML标签

发布时间:2019-08-06作者:laosun阅读(167)


    Jsoup默认提供五种白名单:


    1、none()

    该API会清除所有HTML标签,仅保留文本节点。

    2、simpleText()

    该API仅会保留b, em, i, strong, u 标签,除此之外的所有HTML标签都会被清除。

    3、basic()

    该API会保留 a, b, blockquote, br, cite, code, dd, dl, dt, em, i, li, ol, p, pre, q, small, span, strike, strong, sub, sup, u, ul 和其适当的属性标签,除此之外的所有HTML标签都会被清除,且该API不允许出现图片(img tag)。另外该API中允许出现的超链接中可以允许其指定http, https, ftp, mailto 且在超链接中强制追加rel=nofollow属性。

    4、basicWithImages()

    该API在保留basic()中允许出现的标签的同时也允许出现图片(img tag)和img的相关适当属性,且其src允许其指定 http 或 https。

    5、relaxed()

    该API仅会保留 a, b, blockquote, br, caption, cite, code, col, colgroup, dd, div, dl, dt, em, h1, h2, h3, h4, h5, h6, i, img, li, ol, p, pre, q, small, span, strike, strong, sub, sup, table, tbody, td, tfoot, th, thead, tr, u, ul 标签,除此之外的所有HTML标签都会被清除,且在超链接中不会强制追加rel=nofollow属性。


    用法方法:


    1:使用自带的方法保留白名单里面html标签:

    String retainHtml = Jsoup.clean(html, Whitelist.relaxed());

    2:保留自定义的标签:

    String retainHtml = Jsoup.clean(html, new Whitelist().addTags(new String[]{ "p","br","img","strong"}));



0 +1

版权声明

 Java  源码

 请文明留言

0 条评论