Jsoup.clean无需添加html实体

Question

我正在使用清除不需要的HTML标签（例如<script>）中的一些文本

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

问题是，它取代例如å用å（这会导致麻烦的我，因为它不是“纯XML”）。

例如

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

产量

"hello å  world"

但我想

"hello å  world"

有没有简单的方法可以做到这一点？（即比转换å回å结果更简单。）

Answer 1

您可以配置Jsoup的转义模式：使用EscapeMode.xhtml将为您提供无实体输出。

这是一个完整的代码段，可以接受str作为输入，并使用进行清理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();