如何配置Jsoup避免将单引号替换为双引号？

问题核心在于Jsoup默认会把属性的单引号统一转为双引号，导致你的isHTMLStringPolluted方法误判合法的单引号属性HTML为“污染”内容。只需调整Jsoup的输出配置，让它保留原始的引号格式就能解决。

修改后的核心代码 #

调整sanitizeHTML方法中的OutputSettings，添加quoteMode(QuoteMode.PRESERVE)配置：

import org.jsoup.nodes.Document;
import org.jsoup.safety.Safelist;
import org.jsoup.nodes.Document.QuoteMode;

public static String sanitizeHTML(String html) {
    return Jsoup.clean(html,
            "",
            Safelist.relaxed()
                    .addAttributes(":all", "style")
                    .addAttributes(":all", "class"),
            new Document.OutputSettings()
                    .prettyPrint(false)
                    .quoteMode(QuoteMode.PRESERVE)); // 关键配置：保留原引号格式
}

关键说明 #

1. QuoteMode.PRESERVE的作用：该配置会让Jsoup在输出清理后的HTML时，完全保留原始属性的引号类型（单引号或双引号），不会强制统一为双引号。这样合法的单引号属性HTML在清理后与原内容一致，isHTMLStringPolluted就会返回false，验证通过。
2. 版本要求：确保使用的Jsoup版本在1.14.0及以上，因为QuoteMode.PRESERVE是在这个版本新增的，旧版本需要先升级依赖。
3. 兼容混合引号场景：如果用户输入中存在同一标签混合单双引号的情况，Jsoup也会如实保留，完全符合你“要么完全通过要么被拒绝”的验证逻辑。

内容的提问来源于stack exchange，提问作者Matthias