java - 为什么 JSoup 会删除元素 ID？

Question

我正在使用 JSoup 清理一些不受信任的 HTML。我发现如果我打电话

String html = "<div id='foo'><script type='text/javascript'>alert('hello');</script></div>";
String cleanedHtml = Jsoup.clean(html, Whitelist.relaxed());

此时cleanedHtml是

<div><div>

所以 <script>标签已被正确删除，但神秘的是，id 也被删除了<div> 的属性.是否有任何充分的理由说明为什么应该删除它或者它是一个错误？

Answer 1

默认情况下，id 属性被移除；将其添加为允许的属性:

Whitelist whitelist = Whitelist.relaxed().addAttributes("div", "id");
System.out.println(Jsoup.clean(html, whitelist));

=> <div id="foo"></div>

这是一个错误吗？不是 AFAIC；它在源代码中。不过，IMO 存在文档错误。

是否有“任何充分的理由”为什么要删除它？不确定那个，但像这样的属性不是结构性的:删除它不会改变 DOM。这就是关于白名单的事情——它们明确允许，并且必须精心策划以满足您的确切需求。