java - 解析格式错误的 XML 文档(如 HTML 文件)

Question

解析后，我想删除危险代码并以正确格式重新写出。

目的是防止脚本通过电子邮件进入，但仍然允许大量不良 HTML 工作(至少不会完全失败)。

有图书馆吗？有没有更好的方法让脚本远离浏览器？

重要的是程序不会抛出解析异常。该程序可能会做出最佳猜测，即使它是错误的也是可以接受的。

编辑:如果您对你们认为哪个解析器更好以及为什么提出意见，我将不胜感激。

Answer 1

对于灵活的解析，您可能需要查看 JSoup .但是白名单是去这里的方法。如果您只是禁止一堆“危险”元素，那么有人可能会找到一种方法来通过您的解析器偷偷摸摸。相反，您应该只允许一小部分安全元素。