fix bug

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
 	 */