我正在评估jsoup的功能，该功能可以清除（但不能删除！）非白名单标签。假设只允许使用<b>标签，那么下面的输入
foo <b>bar</b> <script onLoad='stealYourCookies();'>baz</script>
必须产生以下结果：
foo <b>bar</b> <script onLoad='stealYourCookies();'>baz</script>
我发现jsoup存在以下问题：
document.getAllElements()总是假定<html>、<head>和<body>。是的，我可以调用document.body().getAllElements()，但关键是我不知道我的源是一个完整的HTML文档还是只是正文——我希望结果的形状和形式与它出现时相同- 如何用
<script>...</script>替换<script>...</script>？我只想用转义实体替换方括号，不想更改任何属性等。Node.replaceWith对此听起来有些过头了 - 是否可以完全关闭漂亮的打印（例如插入新行等）
或者我应该使用另一个框架？到目前为止，我已经浏览了htmlclean，但给出的示例并不表明我想要的功能得到了支持。
答案1
如何使用Jsoup加载/解析Document？如果您使用parse()或connect().get()，jsoup将自动格式化您的html（插入html、body和head标签）。这确保您始终拥有一个完整的Html文档，即使输入不完整。
假设您只想清理输入（不需要进一步处理），则应该使用clean()，而不是前面列出的方法。
示例1-使用parse（）
final String html = "<b>a</b>";
System.out.println(Jsoup.parse(html));
输出：
<html>
<head></head>
<body>
<b>a</b>
</body>
</html>
输入html已完成，以确保您拥有完整的文档。
示例2-使用clean（）
final String html = "<b>a</b>";
System.out.println(Jsoup.clean("<b>a</b>", Whitelist.relaxed()));
输出：
<b>a</b>
输入html已清理，不再清理。
文档：
- J汤
答案2
方法replaceWith()正是您所需要的：
示例：
final String html = "<b><script>your script here</script></b>";
Document doc = Jsoup.parse(html);
for( Element element : doc.select("script") )
{
element.replaceWith(TextNode.createFromEncoded(element.toString(), null));
}
System.out.println(doc);
输出：
<html>
<head></head>
<body>
<b><script>your script here</script></b>
</body>
</html>
或仅限正文：
System.out.println(doc.body().html());
输出：
<b><script>your script here</script></b>
文档：
- Node.replaceWith（中的节点）
- 文本节点
答案3
是的，Jsoup.OutputSettings的prettyPrint()方法可以做到这一点。
示例：
final String html = "<p>your html here</p>";
Document doc = Jsoup.parse(html);
doc.outputSettings().prettyPrint(false);
System.out.println(doc);
注意：如果outputSettings()方法不可用，请更新Jsoup。
输出：
<html><head></head><body><p>your html here</p></body></html>
文档：
- Document.OutputSettings.prettyPrint（布尔漂亮）
答案4（无子弹）
不Jsoup是最好的和最有能力的Html库之一！