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，但将带有 特定类的 span 标签列入白名单。

我有这个，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 ？

所以我的最终结果将是

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

Answer 1

坚持使用Jsoup解决方案，您可以尝试以下步骤，但它是硬编码：

1. 从文本中提取所有值元素到一个列表中。
2. 将 span 元素中的所有值提取到另一个列表中。
3. 使用附加标记修改文本值，例如 OMG_value。
4. 从文本中删除所有 html 标记。
5. 使用已保存列表中的值迭代并替换所有 OMG_values。

如果您找到其他解决方案 - 坚持下去。这是您残酷 CEO 的硬编码救星。