记录一下jsoup解析html(4)

接下来看一下“可操作 HTML元素、属性、文本”的功能
反正html就是一些元素、属性、文本的集合，有时候我们解析某个html也许想要修改其中的属性和文本，当然你要改变元素标签名也行，就是先删除某个元素然后再添加，嘿嘿，百度百科如是说
首先看那些简单的小例子说明一下：

doc.select("a").attr("rel", "nofollow"); //为所有链接增加rel=nofollow 属性
doc.select("img").removeAttr("onclick"); //删除所有图片的onclick属性　　
doc.select("a").addClass("mylinkclass"); //为所有链接增加class=mylinkclass 属性 　　
doc.select("input[type=text]").val(""); //清空所有文本输入框中的文本 

修改完成之后调用Element的html()获取整个文档，其它的一些方法大家可以查看官方文档进行了解

另外jsoup还有一些别的功能，首先有一个这样的需求：在做网站的时候，经常会提供用户评论的功能。有些用户比较淘气，会搞一些脚本到评论内容中，而这些脚本可能会破坏整个页面的行为，更严重的是获取一些机要信息，例如XSS 跨站点攻击之类的。
看一段代码你就懂说的是什么：

public static void main(String[] args) {
    String unsafe = "<p><a href='http://www.iteye.com/' onclick='attack()'>ITEYE</a></p>";
    String safe = Jsoup.clean(unsafe, Whitelist.basic());
    System.out.println(safe);
}

输出结果如下：

<p><a href="http://www.iteye.com/" rel="nofollow">ITEYE</a></p>

查看官方文档可以看到Whitelist有五个静态方法，我的理解是这就相当于五种过滤模式，这五个方法中文说明如下：

最后百度百科有说：如果这五个过滤器都无法满足你的要求呢，例如你允许用户插入flash 动画，没关系，Whitelist提供扩展功能，例如whitelist.addTags("embed","object","param","span","div");也可调用addAttributes方法为某些元素增加属性。