为什么 JSoup 会删除元素 ID？答案

【问题标题】：Why does JSoup remove element IDs?为什么 JSoup 会删除元素 ID？
【发布时间】：2013-01-13 12:56:30
【问题描述】：

我正在使用 JSoup 来清理一些不受信任的 HTML。我发现如果我打电话

String html = "<div id='foo'><script type='text/javascript'>alert('hello');</script></div>";
String cleanedHtml = Jsoup.clean(html, Whitelist.relaxed());

此时cleanedHtml是

<div><div>

所以<script> 标记已被正确删除，但神秘的是，<div> 的id 属性也被删除。有什么好的理由应该删除它还是一个错误？

【问题讨论】：

尝试在div 中添加除script 元素之外的其他内容。
全部在 javadoc jsoup.org/apidocs/org/jsoup/safety/Whitelist.html
@BalusC （实际上，它不是 :( Javadocs 与代码不匹配——根据文档，<div> 标签应该被删除，它只声明“适当”的属性，这让读者不确定，IMO。创建拉取请求。）

标签： java html-parsing jsoup

【解决方案1】：

默认情况下id 属性被移除；将其添加为允许的属性：

Whitelist whitelist = Whitelist.relaxed().addAttributes("div", "id");
System.out.println(Jsoup.clean(html, whitelist));

=> <div id="foo"></div>

这是一个错误吗？不是 AFAIC；它在源代码中。不过，IMO 存在文档错误。

是否有“任何充分的理由”为什么应该删除它？不确定那个，但是像这样的属性不是结构性的：删除它不会改变 DOM。这就是白名单的特点——它们明确允许，并且必须根据您的确切需求进行策划。

【讨论】：