Jsoup设置Element属性时&被二次转义问题求助

问题根源 #

调用element.attr()时，Jsoup会自动转义属性值中的特殊字符（包括&）。你先把>替换成>，设置时&又被转成&，最终就变成了>。

解决方案 #

方案一：调整转义逻辑（推荐） #

不需要手动转义&，只需要把<和>替换为标准HTML实体<和>。Jsoup在输出HTML时会自动将&转义为&，最终得到你想要的<和>。

修改转义方法：

private String escapeSpecificHtmlChars(final String input) {
    if (StringUtils.isBlank(input)) {
        return input;
    }
    // 替换为标准HTML实体，Jsoup输出时会自动转义&为&
    return input.replace(">", ">")
            .replace("<", "&lt;");
}

原循环代码无需改动，设置属性后最终输出的属性值会是>test value>，符合需求。

方案二：直接使用Literal属性（强制保留原样） #

如果你必须保留已处理好的>格式，可通过Jsoup的Attribute构造函数指定isLiteral=true，跳过自动转义逻辑：

修改循环中的属性设置代码：

Elements elements = htmlDocument.getAllElements();

// Process each element's attributes
for (Element element : elements) {
    // 先复制当前属性列表，避免遍历过程中修改导致异常
    List<Attribute> attrs = new ArrayList<>(element.attributes());
    for (Attribute attribute : attrs) {
        String originalValue = attribute.getValue();
        String escapedValue = escapeSpecificHtmlChars(originalValue);
        // 使用literal模式替换属性，禁止Jsoup转义
        element.attributes().put(new Attribute(attribute.getKey(), escapedValue, true));
    }
}

注：遍历属性时要先复制列表，避免在遍历原属性集合时修改导致并发修改异常。

内容的提问来源于stack exchange，提问作者Pallavi