【发布时间】：2010-10-08 07:38:13
【问题描述】：
如何使用 Java 去除字符串中 HTML 标记的所有属性，除了“alt”和“src”？
还有……如何从字符串中的所有“src”属性中获取内容？
:)
【问题讨论】：
【发布时间】：2010-10-08 07:38:13
【问题描述】：
你可以：
- 实现SAX parser；
- 用DOM parser 构建一个文档，遍历并修剪它，然后转换回HTML；或
- 在 XSLT 中使用 identity transform（假设您的 HTML 是 XHTML 格式，或者可以使用 JTidy 等转换为该格式）以及一些其他情况以删除您不需要的属性。
无论你做什么，不要尝试用正则表达式来做。
【讨论】：
-
我尝试使用 DOM 解析器，但这需要 html 标签完全对齐，就像在 xml 文件中一样。我在用户提供的输入数据上使用它，并且可以是任何格式！
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 解析器遍历所有内容，并去除所有不允许的标签和属性。
（还有一些丑陋的小技巧；））
这是一项繁重的工作。
【讨论】：