关于java字符串替换的难题？

Question

需求就是替换HTML文档中的敏感词。但是只想替换纯文本，而有些html标签中含有敏感词，我是不想替换的。比如img标签的src中含有敏感词，如果把src中的敏感词替换那么图片就显示不了了。

比如 <p>今天天气不错abc</p><img src="abc.jpg"/> 我想替换abc为*

那么替换为<p>今天天气不错*</p><img src="abc.jpg"/>

如果我单纯的使用Java的String.replaceAll("abc","*")

那么就会得到 <p>今天天气不错*</p>
<img src="*.jpg/>
，这样图片就加载不出来了，这并不是我想要的。

想了挺久，也想了正则，各位大佬有没有什么好方法？？？

Answer 1

为何非要在页面级别用正则替换？在存库的时候就替换掉不好吗？或者在取出来渲染到页面模板的时候做替换不好吗？为何非要纠结在html代码中进行替换？

Answer 2

简单一点的就是上面大佬说的那种做法，不想这样的话就直接截取<img前面的字符串，然后替换在拼接回去

Answer 3

两种方法：

一：正则

(?!<[^>]*)[a][b][c](?![^<]*>)

运行结果：

二：Jsoup 解析 HTML ，写选择器遍历判断

我更倾向于用第二种方法，因为正则很难维护…… 如果以后需要替换别的，还要再研究