java - 使用白名单清理 html 并在白名单元素上保留一些属性

Question

下面的代码片段在 scala 中使用 Jsoup 允许我清除任何 html 标签中的字符串，除了那些明确在白名单中的标签:

val whiteList = Whitelist.none().addTags(
    "b", "br", "ul", "ol", "li", "em", "h4", "h5", "hr", "pre", "sub", "sup"
   )
Jsoup.clean("some unsafe text", whiteList)

该过程不加区别地从文本内的标签中删除所有 css 样式和元素属性，这是一般情况所需的。但我想要的是进程保留白名单的 block 元素上的 direction css 属性或可能的 dir 属性。

我对用 java 编写的答案没有问题。

Answer 1

我通过将不安全的文本传递给自定义递归方法来解决这个问题，如下所示:

val whiteList = List(
  "b", "br", "ul", "ol", "li", "em", "h4", "h5", "hr", "pre", "sub", "sup"
)
def clean(raw: String): String = {
  def traverseAndClean(elem: Element): Unit = {
    if (!whiteList.contains(elem.tagName())) {
      elem.remove()
    } else {
      elem.attributes().forEach { attr =>
        val key = attr.getKey
        if (key != "dir") elem.removeAttr(key)
      }
      elem.children().iterator().forEachRemaining(traverseAndClean)
    }
  }
  val doc = Jsoup.parseBodyFragment(raw)
  doc.body().children().iterator().forEachRemaining(traverseAndClean)
  doc.body().html()
}

clean("my unsafe text")