Antisamy扫描HTML时单引号被转为双引号的问题求助

我之前也碰到过类似的困扰，AntiSamy 1.5.3版本在处理style属性里的单引号时确实有这个奇怪的行为——它会把单引号转成编码后的双引号（"），解码后就变成了双引号，这很容易打乱样式的预期效果。下面给你几个可行的解决方案：

1. 优先升级AntiSamy版本 #

AntiSamy 1.5.3是比较老旧的版本（发布于2014年），后续版本已经修复了不少这类引号处理的细节问题。建议你直接升级到最新的稳定版本（比如目前的1.6.5或更高），很多情况下升级后这个问题会自动消失。

你只需要修改项目依赖（比如Maven的pom.xml），把版本号更新为最新版，重新构建项目后再测试扫描效果即可。

2. 自定义策略文件调整引号规则 #

如果因为项目限制无法升级版本，可以修改antisamy-anythinggoes.xml策略文件，针对style属性的CSS处理配置引号保留规则：

1. 打开策略文件，找到<css-rules>节点，添加preserve-quotes配置：

<css-rules>
  <!-- 其他原有规则保持不变 -->
  <property name="preserve-quotes" value="true"/>
</css-rules>

这个配置会告诉AntiSamy保留原始的引号类型，而不是强制统一转换为双引号。

2. 同时检查<attribute name="style">的配置，确保它的处理规则没有限制单引号：

<attribute name="style">
  <regexp-list>
    <regexp value="^[\s\S]*$"/>
  </regexp-list>
  <css/>
</attribute>

确保<css/>标签没有额外的引号限制参数，保持默认的CSS处理逻辑即可。

修改完策略文件后，重新加载策略进行扫描，应该就能保留原始的单引号了。

3. 扫描后手动修正（临时hack方案） #

如果上面两种方法都不适用，你可以在获取到清理后的HTML后，手动将style属性里的"替换回单引号。注意要精准匹配，避免影响其他地方的合法双引号：

CleanResults cr = as.scan(dirtyContent, policy);
String cleanHtml = cr.getCleanHTML();
// 只替换style属性范围内的"为单引号
cleanHtml = cleanHtml.replaceAll("(style=\"[^\"]*)"([^\"]*)"([^\"]*\")", "$1'$2'$3");
System.out.println(cleanHtml);

这个正则表达式会精准匹配style属性中的编码双引号，替换为单引号，不会干扰其他属性或文本中的双引号。

内容的提问来源于stack exchange，提问作者Gouravmoy Mohanty