Libs do sanityzacji HTML

Question

Szukam sanitizer html, który mogę wywołać za pomocą interfejsu API w celu odkażenia ciągów, które otrzymuję od mojego webappa. Czy są dostępne niektóre przydatne, łatwe w użyciu biblioteki? Czy ktoś wie, może jeden lub dwa?

Nie potrzebuję czegoś dużego, wystarczy znaleźć niezamknięte znaczniki i je zamknąć.

Answer 1

JTidy może Ci pomóc.

Answer 2

Oprócz JTidy można również zapoznać się z:
Nekohtml
TagSoup
Getting text in HTmL document

Answer 3

http://roberto.open-lab.com/2009/11/05/a-java-html-sanitizer-also-against-xss/

Answer 4

https://github.com/OWASP/java-html-sanitizer jest teraz oznaczone gotowy do użytku produkcyjnego.

Szybki i łatwy do skonfigurowania program do oczyszczania kodu HTML napisany w języku Java, który umożliwia dołączanie kodu HTML utworzonego przez osoby trzecie w aplikacji internetowej, jednocześnie chroniąc XSS.

Można użyć prepackaged policies

Sanitizers.FORMATTING.and(Sanitizers.LINKS) 

lub tests pokazać w jaki sposób można skonfigurować własny łatwo:

new HtmlPolicyBuilder() 
    .allowElements("a") 
    .allowUrlProtocols("https") 
    .allowAttributes("href").onElements("a") 
    .requireRelNofollowOnLinks() 

lub napisać własne polityki do robienia rzeczy, jak zmiana h1 s do div s z określoną klasą:

new HtmlPolicyBuilder() 
    .allowElements("h1", "p") 
    .allowElements(
     new ElementPolicy() { 
      public String apply(String elementName, List<String> attrs) { 
      attrs.add("class"); 
      attrs.add("header-" + elementName); 
      return "div"; 
      } 
     }, "h1")) 

Answer 5

HTML Parser JSoup obsługuje także odkażanie polityka: http://jsoup.org/cookbook/cleaning-html/whitelist-sanitizer