fix bug

CHANGELOG.md

@@ -2,7 +2,7 @@
 # 🚀Changelog
 
 -------------------------------------------------------------------------------------------------------------
-# 5.8.0 (2022-03-22)
+# 5.8.0 (2022-03-24)
 
 ### ❌不兼容特性
 * 【db     】     【不向下兼容  】增加MongoDB4.x支持返回MongoClient变更（pr#568@Gitee）
@@ -52,7 +52,8 @@
 * 【json   】     修复JSON对Map.Entry的解析问题
 * 【core   】     修复MapConverter中map与map转换兼容问题
 * 【poi    】     解决sax读取时，POI-5.2.x兼容性问题
-* 【core   】     修复修复判断两段时间区间交集问题（pr#2210@Github）
+* 【core   】     修复判断两段时间区间交集问题（pr#2210@Github）
+* 【http   】     修复标签误删问题（issue#I4Z7BV@Gitee）
 
 -------------------------------------------------------------------------------------------------------------
 # 5.7.22 (2022-03-01)

hutool-http/src/main/java/cn/hutool/http/HtmlUtil.java

@@ -6,13 +6,13 @@ import cn.hutool.core.util.StrUtil;
 
 /**
  * HTML工具类
- * 
+ *
  * <p>
  * 比如我们在使用爬虫爬取HTML页面后，需要对返回页面的HTML内容做一定处理，<br>
  * 比如去掉指定标签（例如广告栏等）、去除JS、去掉样式等等，这些操作都可以使用此工具类完成。
- * 
+ *
  * @author xiaoleilu
- * 
+ *
  */
 public class HtmlUtil {
 
@@ -50,7 +50,7 @@ public class HtmlUtil {
 	 * <li>&lt; 替换为 &amp;lt;</li>
 	 * <li>&gt; 替换为 &amp;gt;</li>
 	 * </ul>
-	 * 
+	 *
 	 * @param text 被转义的文本
 	 * @return 转义后的文本
 	 */
@@ -60,7 +60,7 @@ public class HtmlUtil {
 
 	/**
 	 * 还原被转义的HTML特殊字符
-	 * 
+	 *
 	 * @param htmlStr 包含转义符的HTML内容
 	 * @return 转换后的字符串
 	 */
@@ -76,7 +76,7 @@ public class HtmlUtil {
 
 	/**
 	 * 清除所有HTML标签，但是不删除标签内的内容
-	 * 
+	 *
 	 * @param content 文本
 	 * @return 清除标签后的文本
 	 */
@@ -87,7 +87,7 @@ public class HtmlUtil {
 	/**
 	 * 清除指定HTML标签和被标签包围的内容<br>
 	 * 不区分大小写
-	 * 
+	 *
 	 * @param content 文本
 	 * @param tagNames 要清除的标签
 	 * @return 去除标签后的文本
@@ -99,7 +99,7 @@ public class HtmlUtil {
 	/**
 	 * 清除指定HTML标签，不包括内容<br>
 	 * 不区分大小写
-	 * 
+	 *
 	 * @param content 文本
 	 * @param tagNames 要清除的标签
 	 * @return 去除标签后的文本
@@ -111,7 +111,7 @@ public class HtmlUtil {
 	/**
 	 * 清除指定HTML标签<br>
 	 * 不区分大小写
-	 * 
+	 *
 	 * @param content 文本
 	 * @param withTagContent 是否去掉被包含在标签中的内容
 	 * @param tagNames 要清除的标签
@@ -127,10 +127,10 @@ public class HtmlUtil {
 			// (?i)表示其后面的表达式忽略大小写
 			if (withTagContent) {
 				// 标签及其包含内容
-				regex = StrUtil.format("(?i)<{}\\s*?[^>]*?/?>(.*?</{}>)?", tagName, tagName);
+				regex = StrUtil.format("(?i)<{}(\\s+[^>]*)?/?>(.*?</{}>)?", tagName, tagName);
 			} else {
 				// 标签不包含内容
-				regex = StrUtil.format("(?i)<{}\\s*?[^>]*?>|</{}>", tagName, tagName);
+				regex = StrUtil.format("(?i)<{}(\\s+[^>]*)?/?>|</?{}>", tagName, tagName);
 			}
 
 			content = ReUtil.delAll(regex, content); // 非自闭标签小写
@@ -140,7 +140,7 @@ public class HtmlUtil {
 
 	/**
 	 * 去除HTML标签中的属性，如果多个标签有相同属性，都去除
-	 * 
+	 *
 	 * @param content 文本
 	 * @param attrs 属性名（不区分大小写）
 	 * @return 处理后的文本
@@ -161,7 +161,7 @@ public class HtmlUtil {
 
 	/**
 	 * 去除指定标签的所有属性
-	 * 
+	 *
 	 * @param content 内容
 	 * @param tagNames 指定标签
 	 * @return 处理后的文本
@@ -177,7 +177,7 @@ public class HtmlUtil {
 
 	/**
 	 * Encoder
-	 * 
+	 *
 	 * @param text 被编码的文本
 	 * @return 编码后的字符
 	 */
@@ -201,7 +201,7 @@ public class HtmlUtil {
 
 	/**
 	 * 过滤HTML文本，防止XSS攻击
-	 * 
+	 *
 	 * @param htmlContent HTML内容
 	 * @return 过滤后的内容
 	 */

hutool-http/src/test/java/cn/hutool/http/HtmlUtilTest.java

@@ -5,111 +5,125 @@ import org.junit.Test;
 
 /**
  * Html单元测试
- * 
+ *
  * @author looly
  *
  */
 public class HtmlUtilTest {
-	
+
 	@Test
 	public void removeHtmlTagTest() {
 		//非闭合标签
 		String str = "pre<img src=\"xxx/dfdsfds/test.jpg\">";
 		String result = HtmlUtil.removeHtmlTag(str, "img");
 		Assert.assertEquals("pre", result);
-		
+
 		//闭合标签
 		str = "pre<img>";
 		result = HtmlUtil.removeHtmlTag(str, "img");
 		Assert.assertEquals("pre", result);
-		
+
 		//闭合标签
 		str = "pre<img src=\"xxx/dfdsfds/test.jpg\" />";
 		result = HtmlUtil.removeHtmlTag(str, "img");
 		Assert.assertEquals("pre", result);
-		
+
 		//闭合标签
 		str = "pre<img />";
 		result = HtmlUtil.removeHtmlTag(str, "img");
 		Assert.assertEquals("pre", result);
-		
+
 		//包含内容标签
 		str = "pre<div class=\"test_div\">dfdsfdsfdsf</div>";
 		result = HtmlUtil.removeHtmlTag(str, "div");
 		Assert.assertEquals("pre", result);
-		
+
 		//带换行
 		str = "pre<div class=\"test_div\">\r\n\t\tdfdsfdsfdsf\r\n</div>";
 		result = HtmlUtil.removeHtmlTag(str, "div");
 		Assert.assertEquals("pre", result);
 	}
-	
+
 	@Test
 	public void cleanHtmlTagTest() {
 		//非闭合标签
 		String str = "pre<img src=\"xxx/dfdsfds/test.jpg\">";
 		String result = HtmlUtil.cleanHtmlTag(str);
 		Assert.assertEquals("pre", result);
-		
+
 		//闭合标签
 		str = "pre<img>";
 		result = HtmlUtil.cleanHtmlTag(str);
 		Assert.assertEquals("pre", result);
-		
+
 		//闭合标签
 		str = "pre<img src=\"xxx/dfdsfds/test.jpg\" />";
 		result = HtmlUtil.cleanHtmlTag(str);
 		Assert.assertEquals("pre", result);
-		
+
 		//闭合标签
 		str = "pre<img />";
 		result = HtmlUtil.cleanHtmlTag(str);
 		Assert.assertEquals("pre", result);
-		
+
 		//包含内容标签
 		str = "pre<div class=\"test_div\">dfdsfdsfdsf</div>";
 		result = HtmlUtil.cleanHtmlTag(str);
 		Assert.assertEquals("predfdsfdsfdsf", result);
-		
+
 		//带换行
 		str = "pre<div class=\"test_div\">\r\n\t\tdfdsfdsfdsf\r\n</div><div class=\"test_div\">BBBB</div>";
 		result = HtmlUtil.cleanHtmlTag(str);
 		Assert.assertEquals("pre\r\n\t\tdfdsfdsfdsf\r\nBBBB", result);
 	}
-	
+
 	@Test
 	public void unwrapHtmlTagTest() {
 		//非闭合标签
 		String str = "pre<img src=\"xxx/dfdsfds/test.jpg\">";
 		String result = HtmlUtil.unwrapHtmlTag(str, "img");
 		Assert.assertEquals("pre", result);
-		
+
 		//闭合标签
 		str = "pre<img>";
 		result = HtmlUtil.unwrapHtmlTag(str, "img");
 		Assert.assertEquals("pre", result);
-		
+
 		//闭合标签
 		str = "pre<img src=\"xxx/dfdsfds/test.jpg\" />";
 		result = HtmlUtil.unwrapHtmlTag(str, "img");
 		Assert.assertEquals("pre", result);
-		
+
 		//闭合标签
 		str = "pre<img />";
 		result = HtmlUtil.unwrapHtmlTag(str, "img");
 		Assert.assertEquals("pre", result);
-		
+
+		//闭合标签
+		str = "pre<img/>";
+		result = HtmlUtil.unwrapHtmlTag(str, "img");
+		Assert.assertEquals("pre", result);
+
 		//包含内容标签
 		str = "pre<div class=\"test_div\">abc</div>";
 		result = HtmlUtil.unwrapHtmlTag(str, "div");
 		Assert.assertEquals("preabc", result);
-		
+
 		//带换行
 		str = "pre<div class=\"test_div\">\r\n\t\tabc\r\n</div>";
 		result = HtmlUtil.unwrapHtmlTag(str, "div");
 		Assert.assertEquals("pre\r\n\t\tabc\r\n", result);
 	}
-	
+
+	@Test
+	public void unwrapTest2() {
+		// 避免移除i却误删img标签的情况
+		String htmlString = "<html><img src='aaa'><i>测试文本</i></html>";
+		String tagString = "i,br";
+		String cleanTxt = HtmlUtil.removeHtmlTag(htmlString, false, tagString.split(","));
+		Assert.assertEquals("<html><img src='aaa'>测试文本</html>", cleanTxt);
+	}
+
 	@Test
 	public void escapeTest() {
 		String html = "<html><body>123'123'</body></html>";
@@ -119,14 +133,14 @@ public class HtmlUtilTest {
 		Assert.assertEquals(html, restoreEscaped);
 		Assert.assertEquals("'", HtmlUtil.unescape("&apos;"));
 	}
-	
+
 	@Test
 	public void filterTest() {
 		String html = "<alert></alert>";
 		String filter = HtmlUtil.filter(html);
 		Assert.assertEquals("", filter);
 	}
-	
+
 	@Test
 	public void removeHtmlAttrTest() {
 
@@ -150,7 +164,7 @@ public class HtmlUtilTest {
 		result = HtmlUtil.removeHtmlAttr(html, "class");
 		Assert.assertEquals("<div style = \"margin:100%\"></div><span width=100></span>", result);
 	}
-	
+
 	@Test
 	public void removeAllHtmlAttrTest() {
 		String html = "<div class=\"test_div\" width=\"120\"></div>";