Question

我需要在显示然后在网页中之前转义HTML标记的黑名单。选择性的原因是允许保留格式（bod，斜体，字体等），但不允许任何会“破坏”页面的标记（脚本，元等）。

在考虑了一段时间后，我提出了两种方法：

RegEx - 正如几乎每个人都会告诉你的那样，使用RegEx操纵HTML是一个坏主意
HtmlAgilityPack

我认为我最好的（也是唯一的）解决方案是将字符串加载到 HtmlAgilityPack 和递归循环子节点。对于每个节点，我会检查它是否在指定的黑名单中。如果是，我将逃离开头（并且如果它存在则关闭）节点，然后处理InnerHtml。如果它不在列表中，则按原样输出节点，同时仍处理InnerHtml。

所以，给出以下（非常简单的）源

The quick <b style='padding: 0 25em;'>brown</b> fox <b>jumped <i>over</i> the <meta http-equiv='refresh' /> moon</b>.

我需要以下输出

The quick <b style='padding: 0 25em;'>brown</b> fox <b>jumped <i>over</i> the &lt;meta http-equiv='refresh' /&gt; moon</b>.

经过大量研究后，我遇到了一些问题，问题和障碍。

HtmlAgilityPack是用于此要求的最佳库吗？
递归解决方案是唯一的方法吗？我虽然使用.Descendants()方法，因为它通过内部递归返回所有节点的扁平列表，但这会导致重复的内容。使用上面的示例，<i>over</i>节点是第二个b节点的InnerHtml的一部分，但后来也成为Descendants集合中自己的节点。
我可能错过了正确的方法或属性，但我找不到输出只是开始和结束标签而不包含InnerHtml的方法。我的用例是输出开始标记（包括所有属性）作为转义字符串，输出递归处理的InnerHtml，然后输出转义的结束标记。我想我可以通过使用不同的属性（Name，Id，Attributes等）构建我自己的输出，但我认为这已经可用。

正如我所看到的，该方法看起来像这样的

public string EscapeHtmlTags(string value, ICollection<string> tags) {
   var doc = new System.Text.StringBuilder();
   doc.LoadHtml(doc);

   if (tags.Contains(doc.DocumentNode.Name, StringComparer.CurrentCultureIgnoreCase)) {
      // output opening tag as escaped string ????
      EscapeHtmlTags(doc.DocumentNode.InnerHtml, tags);
      // output closing tag as escaped string ????
   }
   else {
      // output opening tag as is ????
      EscapeHtmlTags(doc.DocumentNode.InnerHtml, tags);
      // output closing tag as is ????
   }
}

当然我仍然需要添加错误处理，并且可能以不同的方式处理各种NodeType，并且可能添加一个StringBuilder实例来收集输出，等等......我甚至可以采用克隆和替换现有的方法文档中的节点。

有什么想法或想法吗？

Answer 1

你应该在后端，即在PHP中执行此操作：

http://www.php.net/manual/en/function.strip-tags.php

此功能支持您可以使用的允许标签列表。

如何转义字符串中的特定HTML标记

1 个答案: