代码之家 › 专栏 › 技术社区 › shayan

使用白名单清除html,并在白名单元素上保留一些属性

jsoup scala java

1

shayan · 技术社区 · 8 年前

下面的代码段 scala 使用 Jsoup 允许我从任何html标记中清除字符串,但白名单中明确显示的标记除外:

val whiteList = Whitelist.none().addTags(
    "b", "br", "ul", "ol", "li", "em", "h4", "h5", "hr", "pre", "sub", "sup"
   )
Jsoup.clean("some unsafe text", whiteList)

direction css属性或可能的 dir 属性。

我对用java编写的答案没有问题。

1 回复 | 直到 8 年前

1

shayan 8 年前

我通过将不安全的文本传递给如下自定义递归方法来解决这个问题:

val whiteList = List(
  "b", "br", "ul", "ol", "li", "em", "h4", "h5", "hr", "pre", "sub", "sup"
)
def clean(raw: String): String = {
  def traverseAndClean(elem: Element): Unit = {
    if (!whiteList.contains(elem.tagName())) {
      elem.remove()
    } else {
      elem.attributes().forEach { attr =>
        val key = attr.getKey
        if (key != "dir") elem.removeAttr(key)
      }
      elem.children().iterator().forEachRemaining(traverseAndClean)
    }
  }
  val doc = Jsoup.parseBodyFragment(raw)
  doc.body().children().iterator().forEachRemaining(traverseAndClean)
  doc.body().html()
}

clean("my unsafe text")