Javascript 匹配销钉&x2B；JSoup输出到PageDown输出

我试图在客户端和服务器端解析和清理标记

• 在客户端，我使用它作为标记编辑器。这正是StackOverflow使用的，它附带了一个漂亮的预览框。此预览框显示经过消毒的html，因此它会删除标签之类的内容

• 在服务器端，我使用和来解析和清理标记

然而，我发现这两种情况的输出并不相同。例如：

输入标记：

如何处理标记？

PageDown输出：

如何处理标记？

PegDown/JSoup输出：

<p>how are </p>tags treated?
<p></p>

如何处理标签？

我不会对JSoup做任何花哨的事。这是我的密码：

public class Main {

    public static void main(String... args){

        PegDownProcessor pdp = new PegDownProcessor();

        String markdown = "how are <div>tags</div> treated?";

        String html = pdp.markdownToHtml(markdown);

        Whitelist whitelist = Whitelist.relaxed().removeTags("div");

        html = Jsoup.clean(html, whitelist);
        System.out.println(html);

        System.out.println("Done.");
    }
}

公共类主{
公共静态void main（字符串…参数）{
PegDownProcessor pdp=新的PegDownProcessor（）；
String markdown=“如何处理标记？”；
字符串html=pdp.markdowntothtml（markdown）；
白名单白名单=白名单.relaxed（）.removeTags（“div”）；
html=Jsoup.clean（html，白名单）；
System.out.println（html）；
System.out.println（“完成”）；
}
}

我理解为什么会发生这种情况，两个不同的系统产生两种不同的输出，我并不感到惊讶我的问题是：如何设置JSoup，使其只删除

标记，而不添加额外的

标记

我的最终目标是让服务器端解析/清理生成与客户端解析/清理相当相似的结果。如果有更好的方法，我愿意接受建议。我真的不在乎这两者的输出是否完全相同，但是像额外的

标记这样的东西会被用户注意到，所以我试图消除这一主要区别

附加问题：是否有PageDown可以输出的html标记和属性列表

编辑：我也尝试过使用，但我得到了非常相似的结果：

标记被删除，但

标记以上述方式“固定”，这导致了与PageDown的消毒剂不同的html

如何设置JSoup，使其只删除标记而不添加额外的标记

HTML5规范拒绝在

p

元素中使用

div

元素。 Jsoup尊重这些规范，这就是为什么在最终的html字符串中有两个

p

元素的原因

为了更好地理解为什么会发生这种情况，让我们看看

Jsoup#clean

如何分三步工作：

解析脏html

调整结果树以符合HTML5规范

删除被拒绝的标签

在步骤2中，第一个

标记在打开

div

之前关闭。第二个

p

也在同一步骤中获得其开始标记。由于Jsoup不知道这一段的合法内容从何处开始，它将第二段的内容限制在严格的范围内（即无）

步骤1和2中的操作将创建一个满足HTML5规范的新HTML代码。在步骤3中，现在可以删除

div

我的最终目标是让服务器端解析/清理生成与客户端解析/清理相当相似的结果

为了避免出现类似于此处的其他情况，您应该在客户端和服务器端使用相同的系统。由于Pagedown是用Javascript编写的，所以可以尝试在服务器端Javascript引擎中运行它

举几个例子：

• Nashorn（内置Java 8）
• 犀牛
• V8

示例代码 下面是一个示例，演示了Nashorn的使用：

Caller.java script.js 另见

---

这似乎对我不起作用。输出应该是

如何处理标记？

，但是如果我将标记包装在

标记中，则输出只是

如何处理标记？

而没有任何html标记。对于真实世界的数据来说，这将是更糟糕的，它比一行长得多。@KevinWorkman我想你会一次又一次地发现两个系统输出出现分歧的边缘情况。有关详细信息，请参阅我的更新……是的，我理解它为什么要关闭

标记。我正在寻找一种方法来禁用该功能，或者至少重新安排清理步骤，以便在树生效之前删除

。有趣的是，服务器端JavaScript方法正是我第一次尝试的方法。不过，我刚开始工作。这似乎奏效了。现在我只需要找出我的服务器上需要哪些本地人+现在，如果没有其他人来，那么我将标记为正确，并授予你奖金。

ScriptEngine engine = new ScriptEngineManager().getEngineByName("nashorn");
engine.eval(new FileReader("script.js"));

Invocable invocable = (Invocable) engine;

Object result = invocable.invokeFunction("myFunction", "fooValue");

System.out.println(result);
System.out.println(result.getClass());

function myFunction(foo) {
   // ...
}