没有添加html实体的Jsoup.clean [英] Jsoup.clean without adding html entities

问题描述

我正在使用

<$清理不需要的HTML标记中的文本（例如< script> ） p $ p> String clean = Jsoup.clean（someInput，Whitelist.basicWithImages（））;


问题在于它取代了å with & aring; （这对我造成麻烦，因为它不是纯xml）。 例子

  Jsoup.clean（hello< script>< / script> world，Whitelist.basicWithImages（）） b 
 
 
 
 $ b $ p code>hello& aring; world
  

但我想要

 helloåworld
  

有没有一种简单的方法来实现这一目标？ （比在结果中将& aring; 返回到å）简单很多。） $ b $你可以配置Jsoup的转义模式：使用 EscapeMode.xhtml 会给你输出没有实体。

下面是一个完整的代码片段，它接受 str 作为输入，并使用白名单.simpleText（）：

  //解析一个文档
 Document doc = Jsoup.parse（STR）; 
 
 //清理文档。 
 doc = new Cleaner（Whitelist.simpleText（））。clean（doc）; 
 
 //调整转义模式
 doc.outputSettings（）。escapeMode（EscapeMode.xhtml）; 
 
 //取回正文的字符串。 
 str = doc.body（）。html（）; 
  

I'm cleaning some text from unwanted HTML tags (such as <script>) by using

String clean = Jsoup.clean(someInput, Whitelist.basicWithImages());

The problem is that it replaces for instance å with å (which causes troubles for me since it's not "pure xml").

For example

Jsoup.clean("hello å <script></script> world", Whitelist.basicWithImages())

yields

"hello å  world"

but I would like

"hello å  world"

Is there a simple way to achieve this? (I.e. simpler than converting å back to å in the result.)

解决方案

You can configure Jsoup's escaping mode: Using EscapeMode.xhtml will give you output w/o entities.

Here's a complete snippet that accepts str as input, and cleans it using Whitelist.simpleText():

// Parse str into a Document
Document doc = Jsoup.parse(str);

// Clean the document.
doc = new Cleaner(Whitelist.simpleText()).clean(doc);

// Adjust escape mode
doc.outputSettings().escapeMode(EscapeMode.xhtml);

// Get back the string of the body.
str = doc.body().html();

这篇关于没有添加html实体的Jsoup.clean的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！