Jsoup学习之Whitelist类

Whitelist类

一、类结构

java.lang.Object

  org.jsoup.safety.Whitelist

---

public class Whitelist   

     extends

     Object

Whitelist类定义了一些可以被保留的标签和属性，不属于这个范围的标签和属性的都要被删除。

默认的配置方法有：

none()

simpleText()

basic()

basicWithImages()

relaxed()

如果想扩大筛选范围，可以使用以下方法：

addTags(java.lang.String...)

addAttributes(java.lang.String,java.lang.String...)

addEnforcedAttribute(java.lang.String,java.lang.String, java.lang.String)

addProtocols(java.lang.String,java.lang.String, java.lang.String...)

二、方法

Constructor Summary
Whitelist()            创建一个空白的Whitelist

 

Method Summary
Whitelist	addAttributes(String tag, String... keys)  给标签添加属性。Tag是属性名，keys对应的是一个个属性值。例如：addAttributes("a", "href", "class") 表示：给标签a添加href和class属性，即允许标签a包含href和class属性。如果想给每一个标签添加一组属性，使用:all。例如： addAttributes(":all", "class").即给每个标签添加class属性。
Whitelist	addEnforcedAttribute(String tag, String key, String value)  给标签添加强制性属性，如果标签已经存在了要添加的属性，则覆盖原有值。tag:标签；key：标签的键；value：标签的键对应的值。例如： addEnforcedAttribute("a", "rel", "nofollow") 表示 <a href="..." rel="nofollow">
Whitelist	addProtocols(String tag, String key, String... protocols)  给URL属性添加协议。例如： addProtocols("a", "href", "ftp", "http", "https")标签a的href键可以指向的协议有ftp、http、https
Whitelist	addTags(String... tags)  向Whitelist添加标签
static Whitelist	basic()  允许的标签包括： a, b, blockquote, br, cite, code, dd, dl, dt, em, i, li, ol, p, pre, q, small, strike, strong, sub, sup, u, ul,以及合适的属性。标签a指向的连接可以是 http, https, ftp, mailto，转换完后会强制添加 rel=nofollow这个属性。不允许包含图片。
static Whitelist	basicWithImages()  在basic的基础上增加了图片的标签：img以及使用src指向http或https类型的图片链接。
protected  boolean	isSafeTag(String tag)  判断参数tag是否符合当前的Whitelist
static Whitelist	none()  只保留文本，其他所有的html内容均被删除
Whitelist	preserveRelativeLinks(boolean preserve)  false（默认）：不保留相对地址的url；true：保留相对地址的url
static Whitelist	relaxed()  允许的标签: a, b, blockquote, br, caption, cite, code, col, colgroup, dd, dl, dt, em, h1, h2, h3, h4, h5, h6, i, img, li, ol, p, pre, q, small, strike, strong, sub, sup, table, tbody, td, tfoot, th, thead, tr, u, ul。结果不包含标签rel=nofollow ，如果需要可以手动添加。
static Whitelist	simpleText()  只允许: b, em, i, strong, u.

三、总结

Whitelist的基本方法有四种：

none：只保留了文本；

simpleText：简单的文本属性b, em, i, strong, u。

basic：a, b, blockquote, br, cite, code, dd, dl, dt, em, i, li, ol, p, pre, q,small,strike, strong, sub, sup, u, ul。

basicWithImages：a, b, blockquote, br, cite, code, dd, dl,dt, em, i, li, ol, p, pre, q, small, strike, strong, sub, sup, u, ul、img、src。

Relaxed：a, b, blockquote,br, caption, cite, code, col, colgroup, dd, dl, dt, em, h1, h2, h3, h4, h5, h6,i, img, li, ol, p, pre, q, small, strike, strong, sub, sup, table, tbody, td,tfoot, th, thead, tr, u, ul。

四种所包含的属性越来越多，如果还不满足，可以使用addAttributes、addEnforcedAttribute、addProtocols、addTags。但是这个添加要谨慎。

四、实例

[java]  view plain copy print ?

1. public static void JsoupClean(){  
2.    html = "<ahref=\"http://www.baidu.com/gaoji/preferences.html\"name=\"tj_setting\">搜索设置</a>";  
3.    String doc = Jsoup.clean(html, baseUri, Whitelist.none());      
4.    System.out.println(doc);  
5.    System.out.println("*******");  
6.    doc = Jsoup.clean(html, baseUri, Whitelist.simpleText());  
7.    System.out.println(doc);  
8.    System.out.println("*******");  
9.    doc = Jsoup.clean(html, baseUri, Whitelist.basic());  
10.    System.out.println(doc);  
11.    System.out.println("*******");  
12.    doc = Jsoup.clean(html, baseUri, Whitelist.basicWithImages());  
13.    System.out.println(doc);  
14.    System.out.println("*******");  
15.    doc = Jsoup.clean(html, baseUri, Whitelist.relaxed());  
16.    System.out.println(doc);  
17. }  

本文为Eliot原创，转载请注明出处： http://blog.csdn.net/xyw_eliot/article/details/9145523