Java 如何删除除witelisted标记JSOUP之外的所有标记

您可以将jsoup HTML清理器与白名单指定的配置一起使用

Elements els = doc.select(toDoRemoveTAG);
for (Element e : els)
{
  e.remove();
}

String unsafe=“
”；
String safe=Jsoup.clean（不安全，Whitelist.basic（））；
//现在：

我们能否取消toDoRemoveTAG，然后用它构建一个白名单并进行清理？我的意思是从文档中获取所有标记，然后通过删除toDoRemoveTAG中的所有标记和属性来构建一个白名单

我的意思是这样的

String unsafe =  "<p><a href='http://example.com/' onclick='stealCookies()'>Link</a></p>";
String safe = Jsoup.clean(unsafe, Whitelist.basic());
// now: <p><a href="http://example.com/" rel="nofollow">Link</a></p>

导入java.util.array；
导入java.util.HashMap；
导入java.util.HashSet；
导入java.util.List；
导入java.util.Map；
导入java.util.Map.Entry；
导入java.util.Set；
导入org.jsoup.jsoup；
导入org.jsoup.nodes.Attribute；
导入org.jsoup.nodes.Document；
导入org.jsoup.nodes.Element；
导入org.jsoup.safety.Cleaner；
导入org.jsoup.safety.Whitelist；
导入org.jsoup.select.Collector；
导入org.jsoup.select.Evaluator；
公共类矩阵乘法{
公共静态void main（字符串[]args）引发异常{
字符串html=“”
+ "  "
+ " "
+ ""
+“您的浏览器不支持HTML5画布标记。
”
+ "   |  |  | "
+“世界自然基金会世界自然基金会（WWF）是….
”
+ "     "
+“您的浏览器不支持音频元素。”
+“teasdklfjashdfjkl”；
String toDoRemoveTAG=“style，img，script，noscript，hr，input”；
String allowTagList=“p，span，b，i，u，div，br，a”；
Document doc=Jsoup.parse（html）；
白名单白名单=构建白名单（doc，Arrays.asList（toDoRemoveTAG.toUpperCase（）.split（“，”））；
清洁剂=新清洁剂（白名单）；
doc=清洁剂。清洁剂（doc）；
System.out.println（doc.select（“body”）.html（））；
}
私有静态白名单构建白名单（文档文档、列表toDoRemoveTAG）抛出实例化异常、非法访问异常{
白名单白名单=新白名单（）；
Set allowedTags=new HashSet（）；
Map allowedAttributes=new HashMap（）；
对于（元素e:Collector.collect（Evaluator.allegements.class.newInstance（），doc））{
如果（！toDoRemoveTAG.contains（e.tagName（）.toUpperCase（）））{
allowedTags.add（e.tagName（））；
对于（属性属性attr:e.attributes（））{
如果（！toDoRemoveTAG.contains（attr.getKey（）.toUpperCase（）））{
if（allowedAttributes.containsKey（e.tagName（）））{
allowedAttributes.get（e.tagName（））.add（attr.getKey（））；
}否则{
allowedAttributes.put（e.tagName（），new HashSet（）{{add（attr.getKey（））；}}）；
}
}
}
}
}
addTags（allowedTags.toArray（新字符串[allowedTags.size（）]）；
对于（条目e:allowedAttributes.entrySet（））{
addAttributes（e.getKey（），e.getValue（）.toArray（新字符串[e.getValue（）.size（）]）；
}
返回白名单；
}
}

cleaner

仅包装未在

白名单中列出的其他标签的内容。我需要的功能与删除整个封闭标签的功能相同，甚至不需要从该标签中删除文本。@Saym感谢您回复此详细信息。。您可以使用
toDoRemoveTAG
删除标记并允许其他。。但我不想将
传递给toDoRemoveTAG
，因为有一个很长的列表，即使我无法收集所有要删除的标记。因此，我想以相反的方式实现，只需传递
allowTagList
所有其他标记即可。。但是我可以使用您的代码和更改条件来完美地工作。@HybrisHelp您是否能够根据上面的评论找出这个答案的allowTagList实现？
String unsafe =  "<p><a href='http://example.com/' onclick='stealCookies()'>Link</a></p>";
String safe = Jsoup.clean(unsafe, Whitelist.basic());
// now: <p><a href="http://example.com/" rel="nofollow">Link</a></p>

import java.util.Arrays;
import java.util.HashMap;
import java.util.HashSet;
import java.util.List;
import java.util.Map;
import java.util.Map.Entry;
import java.util.Set;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Attribute;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.safety.Cleaner;
import org.jsoup.safety.Whitelist;
import org.jsoup.select.Collector;
import org.jsoup.select.Evaluator;

public class MatrixMultiplication {

    public static void main(String[] args) throws Exception {

        String html = "<video width='320' height='240' controls autoplay> <source src='movie.ogg' type='video/ogg'> "
                + "<source src='movie.mp4' type='video/mp4'> <object data='movie.mp4' width='320' height='240'> "
                + "<embed width='320' height='240' src='movie.swf'> </object></video>"
                + "<canvas id='myCanvas' width='200' height='100' style='border:1px solid #000000;'>"
                + "Your browser does not support the HTML5 canvas tag.</canvas><article> <header> "
                + "<h1>Internet Explorer 9</h1> <p><time pubdate datetime='2011-03-15'></time></p> "
                + "</header> <p>Windows Internet Explorer 9 (abbreviated as IE9) was released to the public on March 14, 2011 at 21:00 PDT.....</p>"
                + "</article><footer> <p>Posted by: Hege Refsnes</p> <p>Contact information: <a href='mailto:someone@example.com'> someone@example.com</a>.</p>"
                + "</footer> <nav> <a href='/html/'>HTML</a> | <a href='/css/'>CSS</a> | <a href='/js/'>JavaScript</a> | "
                + "<a href='/jquery/'>jQuery</a></nav> <section> <h1>WWF</h1> <p>The World Wide Fund for Nature (WWF) is....</p></section><datalist id='browsers'>"
                + " <option value='Internet Explorer'> <option value='Firefox'> <option value='Chrome'> <option value='Opera'> <option value='Safari'></datalist>"
                + " <audio controls> <source src='horse.ogg' type='audio/ogg'> <source src='horse.mp3' type='audio/mpeg'>Your browser does not support the audio element.</audio>"
                + " <progress value='22' max='100'>teasdklfjashdfjkl</progress> ";

        String toDoRemoveTAG = "style,img,script,noscript,hr,input";
        String allowTagList = "p,span,b,i,u,div,br,a";
        Document doc = Jsoup.parse(html);

        Whitelist whitelist = buildWhiteList(doc, Arrays.asList(toDoRemoveTAG.toUpperCase().split(",")));
        Cleaner cleaner = new Cleaner(whitelist);
        doc = cleaner.clean(doc);
        System.out.println(doc.select("body").html());
    }

    private static Whitelist buildWhiteList(Document doc, List<String> toDoRemoveTAG) throws InstantiationException, IllegalAccessException {
        Whitelist whitelist = new Whitelist();
        Set<String> allowedTags = new HashSet<String>();
        Map<String, Set<String>> allowedAttributes = new HashMap<String, Set<String>>();

        for(Element e : Collector.collect(Evaluator.AllElements.class.newInstance(), doc)){

            if(!toDoRemoveTAG.contains(e.tagName().toUpperCase())){
                allowedTags.add(e.tagName());
                for(Attribute attr : e.attributes()){
                    if(!toDoRemoveTAG.contains(attr.getKey().toUpperCase())){
                        if(allowedAttributes.containsKey(e.tagName())){
                            allowedAttributes.get(e.tagName()).add(attr.getKey());
                        } else {
                            allowedAttributes.put(e.tagName(), new HashSet<String>() {{ add(attr.getKey()); }});
                        }
                    }
                }
            }
        }
        whitelist.addTags(allowedTags.toArray(new String[allowedTags.size()]));
        for(Entry<String, Set<String>> e :  allowedAttributes.entrySet()){
            whitelist.addAttributes(e.getKey(), e.getValue().toArray(new String[e.getValue().size()]));
        }
        return whitelist;
    }

}