Groovy/Java如何仅转义HTML innerText内的双引号而非属性内的双引号

核心思路是避免直接对HTML字符串做全局替换，通过解析HTML为DOM结构，仅对纯文本节点内的双引号做转义，既不会误伤HTML属性的双引号，也能兼容各种复杂的富文本结构。

推荐使用Java/Groovy生态成熟的HTML解析库jsoup实现，具体代码如下：

步骤1：引入依赖（可选，若项目已内置jsoup可跳过） #

Groovy环境可直接用Grape引入：

@Grab('org.jsoup:jsoup:1.17.2')
import org.jsoup.Jsoup
import org.jsoup.nodes.TextNode

步骤2：具体处理逻辑 #

// 待处理的原始富文本
def rawHtml = '''<p>Lorem ipsum dolor sit amet, consetetur sadipscing elitr,
    <span style="text-decoration: underline;">
        sed diam nonumy
    </span> eirmod "tempor" invidunt ut labore et...
</p>'''

// 解析HTML片段，保留原有标签、属性、格式
def doc = Jsoup.parseBodyFragment(rawHtml)

// 遍历所有文本节点，仅转义文本内的双引号
doc.select("*").each { element ->
    element.textNodes().each { TextNode node ->
        node.text(node.text().replace('"', '&quot;'))
    }
}

// 输出处理后的HTML片段，无多余外层标签
def processedHtml = doc.body().html()

处理结果示例 #

处理后仅文本内的双引号被转义，属性的双引号完全保留：

<p>Lorem ipsum dolor sit amet, consetetur sadipscing elitr,
    <span style="text-decoration: underline;">
        sed diam nonumy
    </span> eirmod &quot;tempor&quot; invidunt ut labore et...
</p>

兜底方案（不推荐） #

如果受环境限制无法引入第三方库，可尝试正则匹配实现，但存在边界问题（如未闭合标签、特殊格式的属性值可能识别错误），仅可作为临时兜底：

def processedHtml = rawHtml.replaceAll(/(?<!<[^<>]*)\\"(?![^<>]*>)/, '&quot;')

内容的提问来源于stack exchange，提问作者Windwalker