java - 为什么 JSoup 会删除元素 ID？

Question

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>标签已被正确删除，但神秘的id是，<div>. 有什么好的理由应该删除它还是一个错误？

Answer 1

默认情况下，该id属性已被删除；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>

它是一个错误吗？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。这就是白名单的问题——它们明确允许，并且必须根据您的确切需求进行策划。