com.base4j.util.HtmlUtil Maven / Gradle / Ivy
The newest version!
package com.base4j.util;
import com.base4j.util.http.HTMLFilter;
/**
* HTML工具类
*
* @author xxx
*/
public class HtmlUtil {
public static final String RE_HTML_MARK = "(<[^<]*?>)|(<[\\s]*?/[^<]*?>)|(<[^<]*?/[\\s]*?>)";
public static final String RE_SCRIPT = "<[\\s]*?script[^>]*?>.*?<[\\s]*?\\/[\\s]*?script[\\s]*?>";
private static final char[][] TEXT = new char[64][];
static {
for (int i = 0; i < 64; i++) {
TEXT[i] = new char[]{(char) i};
}
// special HTML characters
TEXT['\''] = "'".toCharArray(); // 单引号 (''' doesn't work - it is not by the w3 specs)
TEXT['"'] = StrUtil.HTML_QUOTE.toCharArray(); // 双引号
TEXT['&'] = StrUtil.HTML_AMP.toCharArray(); // &符
TEXT['<'] = StrUtil.HTML_LT.toCharArray(); // 小于号
TEXT['>'] = StrUtil.HTML_GT.toCharArray(); // 大于号
}
/**
* 还原被转义的HTML特殊字符
*
* @param htmlStr 包含转义符的HTML内容
* @return 转换后的字符串
*/
public static String restoreEscaped(String htmlStr) {
if (StrUtil.isBlank(htmlStr)) {
return htmlStr;
}
return htmlStr
.replace("'", "'")
.replace(StrUtil.HTML_LT, "<")
.replace(StrUtil.HTML_GT, ">")
.replace(StrUtil.HTML_AMP, "&")
.replace(StrUtil.HTML_QUOTE, "\"")
.replace(StrUtil.HTML_NBSP, " ");
}
// ---------------------------------------------------------------- encode text
/**
* 转义文本中的HTML字符为安全的字符，以下字符被转义：
*
* - ' with ' (' doesn't work in HTML4)
* - " with "
* - & with &
* - < with <
* - > with >
*
*
* @param text 被转义的文本
* @return 转义后的文本
*/
public static String encode(String text) {
return encode(text, TEXT);
}
/**
* 清除所有HTML标签
*
* @param content 文本
* @return 清除标签后的文本
*/
public static String cleanHtmlTag(String content) {
return content.replaceAll(RE_HTML_MARK, "");
}
/**
* 清除指定HTML标签和被标签包围的内容
* 不区分大小写
*
* @param content 文本
* @param tagNames 要清除的标签
* @return 去除标签后的文本
*/
public static String removeHtmlTag(String content, String... tagNames) {
return removeHtmlTag(content, true, tagNames);
}
/**
* 清除指定HTML标签，不包括内容
* 不区分大小写
*
* @param content 文本
* @param tagNames 要清除的标签
* @return 去除标签后的文本
*/
public static String unwrapHtmlTag(String content, String... tagNames) {
return removeHtmlTag(content, false, tagNames);
}
/**
* 清除指定HTML标签
* 不区分大小写
*
* @param content 文本
* @param withTagContent 是否去掉被包含在标签中的内容
* @param tagNames 要清除的标签
* @return 去除标签后的文本
*/
public static String removeHtmlTag(String content, boolean withTagContent, String... tagNames) {
String regex1 = null;
String regex2 = null;
for (String tagName : tagNames) {
if (StrUtil.isBlank(tagName)) {
continue;
}
tagName = tagName.trim();
//(?i)表示其后面的表达式忽略大小写
regex1 = StrUtil.format("(?i)<{}\\s?[^>]*?/>", tagName);
if (withTagContent) {
//标签及其包含内容
regex2 = StrUtil.format("(?i)(?s)<{}\\s*?[^>]*?>.*?", tagName, tagName);
} else {
//标签不包含内容
regex2 = StrUtil.format("(?i)<{}\\s*?[^>]*?>|", tagName, tagName);
}
content = content
.replaceAll(regex1, StrUtil.EMPTY) //自闭标签小写
.replaceAll(regex2, StrUtil.EMPTY); //非自闭标签小写
}
return content;
}
/**
* 去除HTML标签中的属性
*
* @param content 文本
* @param attrs 属性名（不区分大小写）
* @return 处理后的文本
*/
public static String removeHtmlAttr(String content, String... attrs) {
String regex = null;
for (String attr : attrs) {
regex = StrUtil.format("(?i)\\s*{}=([\"']).*?\\1", attr);
content = content.replaceAll(regex, StrUtil.EMPTY);
}
return content;
}
/**
* 去除指定标签的所有属性
*
* @param content 内容
* @param tagNames 指定标签
* @return 处理后的文本
*/
public static String removeAllHtmlAttr(String content, String... tagNames) {
String regex = null;
for (String tagName : tagNames) {
regex = StrUtil.format("(?i)<{}[^>]*?>", tagName);
content.replaceAll(regex, StrUtil.format("<{}>", tagName));
}
return content;
}
/**
* Encoder
*
* @param text 被编码的文本
* @param array 特殊字符集合
* @return 编码后的字符
*/
private static String encode(String text, char[][] array) {
int len;
if ((text == null) || ((len = text.length()) == 0)) {
return StrUtil.EMPTY;
}
StringBuilder buffer = new StringBuilder(len + (len >> 2));
for (int i = 0; i < len; i++) {
char c = text.charAt(i);
if (c < 64) {
buffer.append(array[c]);
} else {
buffer.append(c);
}
}
return buffer.toString();
}
/**
* 过滤HTML文本，防止XSS攻击
*
* @param htmlContent HTML内容
* @return 过滤后的内容
*/
public static String filter(String htmlContent) {
return new HTMLFilter().filter(htmlContent);
}
}