如何去除除“src”之外的 HTML 属性 和“替代” 在JAVA中

Question

如何使用 Java 从字符串中的 HTML 标记中去除除“alt”和“src”之外的所有属性？

进一步..如何从字符串中的所有“src”属性获取内容？

:)

Answer 1

您可以：

• 实现 SAX 解析器< /a>;
• 使用 DOM 解析器构建一个文档，遍历它并修剪它，然后转换回HTML； 或
• 在 XSLT 中使用身份转换（假设您的 HTML 为 XHTML 格式或可以转换为例如，JTidy）以及一些其他情况来删除您不需要的属性。

无论您做什么，都不要尝试使用正则表达式。

Answer 2

好的，以某种方式解决了这个问题。

使用 HTMLCleaner 库将输入数据解析为有效格式。

然后我使用 DOM 解析器迭代所有内容，并删除所有不允许的标签和属性。

（以及一些丑陋的小黑客；））

这是一项大量的工作。