cn.hutool.http

Class HtmlUtil

java.lang.Object

cn.hutool.http.HtmlUtil

public class HtmlUtil
extends Object

HTML工具类

比如我们在使用爬虫爬取HTML页面后，需要对返回页面的HTML内容做一定处理，
比如去掉指定标签（例如广告栏等）、去除JS、去掉样式等等，这些操作都可以使用此工具类完成。

Author:

xiaoleilu

Field Summary

Fields

Modifier and Type	Field and Description
static String	AMP
static String	APOS
static String	GT
static String	LT
static String	NBSP
static String	QUOTE
static String	RE_HTML_MARK
static String	RE_SCRIPT

Constructor Summary

Constructors

Constructor and Description
HtmlUtil()

Method Summary

Modifier and Type	Method and Description
static String	cleanHtmlTag(String content) 清除所有HTML标签，但是不删除标签内的内容
static String	escape(String text) 转义文本中的HTML字符为安全的字符，以下字符被转义： ' 替换为 &#039; (&apos; doesn't work in HTML4) " 替换为 &quot; & 替换为 &amp; < 替换为 &lt; > 替换为 &gt;
static String	filter(String htmlContent) 过滤HTML文本，防止XSS攻击
static String	removeAllHtmlAttr(String content, String... tagNames) 去除指定标签的所有属性
static String	removeHtmlAttr(String content, String... attrs) 去除HTML标签中的属性，如果多个标签有相同属性，都去除
static String	removeHtmlTag(String content, boolean withTagContent, String... tagNames) 清除指定HTML标签 不区分大小写
static String	removeHtmlTag(String content, String... tagNames) 清除指定HTML标签和被标签包围的内容 不区分大小写
static String	unescape(String htmlStr) 还原被转义的HTML特殊字符
static String	unwrapHtmlTag(String content, String... tagNames) 清除指定HTML标签，不包括内容 不区分大小写

Methods inherited from class java.lang.Object

clone, equals, finalize, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

Field Detail

NBSP

public static final String NBSP

See Also:

Constant Field Values

AMP

public static final String AMP

See Also:

Constant Field Values

QUOTE

public static final String QUOTE

See Also:

Constant Field Values

APOS

public static final String APOS

See Also:

Constant Field Values

LT

public static final String LT

See Also:

Constant Field Values

GT

public static final String GT

See Also:

Constant Field Values

RE_HTML_MARK

public static final String RE_HTML_MARK

See Also:

Constant Field Values

RE_SCRIPT

public static final String RE_SCRIPT

See Also:

Constant Field Values

Constructor Detail

HtmlUtil

public HtmlUtil()

Method Detail

escape

public static String escape(String text)

转义文本中的HTML字符为安全的字符，以下字符被转义：

• ' 替换为 ' (' doesn't work in HTML4)
• " 替换为 "
• & 替换为 &
• < 替换为 &lt;
• > 替换为 &gt;

Parameters:

text - 被转义的文本

Returns:

转义后的文本

unescape

public static String unescape(String htmlStr)

还原被转义的HTML特殊字符

Parameters:

htmlStr - 包含转义符的HTML内容

Returns:

转换后的字符串

cleanHtmlTag

public static String cleanHtmlTag(String content)

清除所有HTML标签，但是不删除标签内的内容

Parameters:

content - 文本

Returns:

清除标签后的文本

removeHtmlTag

public static String removeHtmlTag(String content,
                                   String... tagNames)

清除指定HTML标签和被标签包围的内容
不区分大小写

Parameters:

content - 文本

tagNames - 要清除的标签

Returns:

去除标签后的文本

unwrapHtmlTag

public static String unwrapHtmlTag(String content,
                                   String... tagNames)

清除指定HTML标签，不包括内容
不区分大小写

Parameters:

content - 文本

tagNames - 要清除的标签

Returns:

去除标签后的文本

removeHtmlTag

public static String removeHtmlTag(String content,
                                   boolean withTagContent,
                                   String... tagNames)

清除指定HTML标签
不区分大小写

Parameters:

content - 文本

withTagContent - 是否去掉被包含在标签中的内容

tagNames - 要清除的标签

Returns:

去除标签后的文本

removeHtmlAttr

public static String removeHtmlAttr(String content,
                                    String... attrs)

去除HTML标签中的属性，如果多个标签有相同属性，都去除

Parameters:

content - 文本

attrs - 属性名（不区分大小写）

Returns:

处理后的文本

removeAllHtmlAttr

public static String removeAllHtmlAttr(String content,
                                       String... tagNames)

去除指定标签的所有属性

Parameters:

content - 内容

tagNames - 指定标签

Returns:

处理后的文本

filter

public static String filter(String htmlContent)

过滤HTML文本，防止XSS攻击

Parameters:

htmlContent - HTML内容

Returns:

过滤后的内容