Jsoup - Howto clean html przez ucieczkę, nie usuwając niechcianego html?

Question

Czy istnieje sposób, aby jsoup wyczyścił ciąg znaków przy użyciu kodu HTML, uciekając przed niepożądanym kodem HTML zamiast go całkowicie usunąć? Mój przykład:

String dirty = "This is <b>REALLY</b> dirty code from <a href="www.rubbish.url.zzzz">haxors-r-us</a> 
String clean = Jsoup.clean(dirty, new Whitelist().addTags("a").addAttributes("a", "href", "name", "rel", "target")); 

To daje "czysty" ciąg:

This is REALLY dirty code from <a href="www.rubbish.url.zzzz">haxors-r-us</a> 

Co ja chcąc jest "czysty" łańcuch być:

"This is &lt;b&gt;REALLY&lt;/b&gt; dirty code from <a href="www.rubbish.url.zzzz">haxors-r-us</a> 

Answer 1

Zakładając String zamiast Dokumenty HTML są przetwarzane (zgodnie z pytaniem) ta metoda będzie działać:

public String escapeHtml(String source) { 
    Document doc = Jsoup.parseBodyFragment(source); 
    Elements elements = doc.select("b"); 
    for (Element element : elements) { 
     element.replaceWith(new TextNode(element.toString(),"")); 
    } 
    return Jsoup.clean(doc.body().toString(), new Whitelist().addTags("a").addAttributes("a", "href", "name", "rel", "target")); 
} 

Możesz uczynić tag "b" argumentem do przekazania na liście tagów, które chcesz uciec.

Związane testy JUnit mijania:

@Test 
public void testHtmlEscaping() throws Exception { 
    String source = "This is <b>REALLY</b> dirty code from <a href=\"www.rubbish.url.zzzz\">haxors-r-us</a>"; 
    String expected = "This is &lt;b&gt;REALLY&lt;/b&gt; dirty code from \n<a href=\"www.rubbish.url.zzzz\">haxors-r-us</a>"; 
    String transformed = transformer.escapeHtml(source); 
    assertEquals(transformed, expected); 
} 

Zauważ, że dodałem powrotu linii „\ n” przed swoim „a” tag „oczekiwanej” ciąg mojego testu, ponieważ JSoup formatuje stronę.