JSoup.clean() 不保留相对 URL

【问题标题】：JSoup.clean() is not preserving relative URLsJSoup.clean() 不保留相对 URL
【发布时间】：2016-06-04 10:24:06
【问题描述】：

我试过了：

Whitelist.relaxed();
Whitelist.relaxed().preserveRelativeLinks(true);
Whitelist.relaxed().addProtocols("a","href","#","/","http","https","mailto","ftp");
Whitelist.relaxed().addProtocols("a","href","#","/","http","https","mailto","ftp").preserveRelativeLinks(true);

它们都不起作用：当我尝试清理相对 URL 时，例如 <a href="/test.xhtml">test</a>，我删除了 href 属性 (<a>test</a>)。

我正在使用 JSoup 1.8.2。

有什么想法吗？

【问题讨论】：

标签： html-parsing jsoup

【解决方案1】：

问题很可能源于对 clean 方法的调用。如果您提供基本 URI，则所有内容都应按预期工作：

String html = ""
        + "<a href=\"/test.xhtml\">test</a>"
        + "<invalid>stuff</invalid>"
        + "<h2>header1</h2>";
String cleaned = Jsoup.clean(html, "http://base.uri", Whitelist.relaxed().preserveRelativeLinks(true));
System.out.println(cleaned);

以上工作并保持相关链接。但是使用 String cleaned = Jsoup.clean(html, Whitelist.relaxed().preserveRelativeLinks(true)) 时，链接会被删除。

注意documentation of Whitelist.preserveRelativeLinks(true)：

注意，在处理相对链接时，输入文档必须有解析时设置适当的基本 URI，以便链接的协议可以确认。无论保存亲属的设置如何 links 选项，该链接必须可根据基本 URI 解析到允许的协议；否则该属性将被删除。

【讨论】：