java - Jsoup 可以根据其类清理元素吗？

Question

我正在使用 Jsoup 尝试清理文档中几乎所有的 html，但将具有 特定类 的 span 标记列入白名单。

我知道了，但显然这结束了允许所有具有 attr 类的跨度

String html = "<p><strong>Lorem ipsum dolor<br /> sit amet</strong></p>"+
"<span class=\"killme\">Aenean</span> quam sem" +
"<span class=\"whitelistme\">lacinia molestie</span> nibh mattis ";

String clean = Jsoup.clean(html, 
                     Whitelist.none()
                     .addTags("span")
                     .addAttributes("span", "class"));

有没有办法清理除 之外的所有 html？

所以我的最终结果是

Lorem ipsum dolor sit amet
Aenean quam sem
<span class="whitelistme">lacinia molestie</span> nibh mattis

Answer 1

坚持 Jsoup 解决方案，您可以尝试以下步骤，但它是硬编码:

1. 将文本中的所有值元素提取到列表中。
2. 将 span 元素中的所有值提取到另一个列表。
3. 修改带有附加标记的文本值，例如 OMG_value。
4. 从文本中删除所有 html 标签。
5. 用已保存列表中的值迭代并替换所有 OMG_values。

如果您找到另一个解决方案 - 坚持下去。这是一个来自残酷 CEO 的硬编码救星。