問題
在做網站的時候，經常會提供用戶評論的功能。有些不懷好意的用戶，會搞一些腳本到評論內容中，而這些腳本可能會破壞整個頁面的行爲，更嚴重的是獲取一些機要信息，此時需要清理該HTML，以避免跨站腳本cross-site scripting攻擊（XSS）。
方法
使用jsoup HTML Cleaner 方法進行清除，但需要指定一個可配置的 Whitelist。
String unsafe =
"<p><a href='http://example.com/' onclick='stealCookies()'>Link</a></p>";
String safe = Jsoup.clean(unsafe, Whitelist.basic());
// now: <p><a href="http://example.com/" rel="nofollow">Link</a></p>說明
XSS又叫CSS (Cross Site Script) ，跨站腳本攻擊。它指的是惡意攻擊者往Web頁面裏插入惡意html代碼，當用戶瀏覽該頁之時，嵌入其中Web裏面的html代碼會被執行，從而達到惡意攻擊用戶的特殊目的。XSS屬於被動式的攻擊，因爲其被動且不好利用，所以許多人常忽略其危害性。所以我們經常只讓用戶輸入純文本的內容，但這樣用戶體驗就比較差了。
一個更好的解決方法就是使用一個富文本編輯器WYSIWYG如CKEditor 和 TinyMCE。這些可以輸出HTML並能夠讓用戶可視化編輯。雖然他們可以在客戶端進行校驗，但是這樣還不夠安全，需要在服務器端進行校驗並清除有害的HTML代碼，這樣才能確保輸入到你網站的HTML是安全的。否則，攻擊者能夠繞過客戶端的Javascript驗證，並注入不安全的HMTL直接進入您的網站。
jsoup的whitelist清理器能夠在服務器端對用戶輸入的HTML進行過濾，只輸出一些安全的標籤和屬性。
jsoup提供了一系列的Whitelist基本配置，能夠滿足大多數要求；但如有必要，也可以進行修改，不過要小心。
這個cleaner非常好用不僅可以避免XSS攻擊，還可以限制用戶可以輸入的標籤範圍。
參見
- 參閱XSS cheat sheet ，有一個例子可以瞭解爲什麼不能使用正則表達式，而採用安全的whitelist parser-based清理器纔是正確的選擇。
- 參閱
Cleaner，瞭解如何返回一個Document對象，而不是字符串 - 參閱
Whitelist，瞭解如何創建一個自定義的whitelist - nofollow 鏈接屬性瞭解
閱讀更多JSOUP相關文章，請看專欄：《使用JSOUP實現網絡爬蟲》