注释代码的正则表达式问题

时间:2010-06-21 22:11:09

标签: php regex xss markup bbcode

我目前正在制作一个登录用户可以撰写评论的主页。注释字符串首先通过str_replaces表情符号的函数运行。之后我想要它交换

[url=www.whatever.com]linktext[/url]

使用:

<a href='www.whatever.com'>linktext</a>

原因是我想删除所有不受我的评论代码控制的html代码的文本,以防一些用户决定获得创意 -

并且认为最好使用preg替换但最终得到的代码(部分来自我可靠的“O reilly Sql和Php”-book以及部分来自网络的阅读关于reg exp)是非常疯狂的,并且最重要的是,不起作用。

任何帮助都将不胜感激,谢谢。

可能可以交换整个代码,而不是像我一样在2段中交换。刚刚决定先让2个较小的部件工作会更容易,然后再将它们合并。

代码:

function text_format($string)
{
    $pattern="/([url=)+[a-zA-Z0-9]+(])+/";
    $string=preg_replace($pattern, "/(<a href=\')+[a-zA-Z0-9]+(\'>)+/", $string);
    $pattern="/([\/url])+/";
    $string=preg_replace($pattern, "/(<\/a>)+/", $string);    
    return $string;
}

3 个答案:

答案 0 :(得分:4)

看起来你正在使用类似于BBCode的东西。为什么不使用BBCode解析器,比如这个?

http://nbbc.sourceforge.net/

它还处理表情符号,用图像替换它们。如果你使用他们的测试页面,你仍会看到文本,因为他们没有托管图像,他们将alt文本设置为笑脸。

答案 1 :(得分:2)

我尝试了以下几点:

function text_format($string)
{
    return preg_replace('#\[url=([^\]]+)\]([^\[]*)\[/url\]#', '<a href="$1">$2</a>', $string);
}

然而,一个直接的错误是,如果linktext为空,则<a></a>之间不会有任何内容。解决这个问题的一种方法是用这样的东西做另一次传递:

preg_replace('#<a href="([^"]+)"></a>#', '<a href="$1">$1</a>', $string);

另一种选择是使用preg_replace_callback并将此逻辑放在回调函数中。

最后,这显然是一个常见的“问题”,并且已被其他人多次解决,如果使用更成熟的开源解决方案是一种选择,我建议寻找一个。

答案 2 :(得分:2)

@Lauri Lehtinen的回答有助于学习该技术背后的想法,但你不应该在实践中使用它,因为它会使你的网站极其容易受到XSS攻击。此外,链接垃圾邮件发送者会理解生成的链接上缺少rel="nofollow"

相反,请使用以下内容:

<?php
// \author Daniel Trebbien
// \date 2010-06-22
// \par License
//  Public Domain

$allowed_uri_schemes = array('http', 'https', 'ftp', 'ftps', 'irc', 'mailto');

/**
 * Encodes a string in RFC 3986
 *
 * \see http://tools.ietf.org/html/rfc3986
 */
function encode_uri($str)
{
    $str = urlencode('' . $str);
    $search = array('%3A', '%2F', '%3F', '%23', '%5B', '%5D', '%40', '%21', '%24', '%26', '%27', '%28', '%29', '%2A', '%2B', '%2C', '%3B', '%3D', '%2E', '%7E');
    $replace = array(':', '/', '?', '#', '[', ']', '@', '!', '$', '&', '\'', '(', ')', '*', '+', ',', ';', '=', '.', '~'); // gen-delims / sub-delims / unreserved
    return str_ireplace($search, $replace, $str);
}

function url_preg_replace_callback($matches)
{
    global $allowed_uri_schemes;

    if (empty($matches[1]))
        return $matches[0];
    $href = trim($matches[1]);
    if (($i = strpos($href, ':')) !== FALSE) {
        if (strrpos($href, '/', $i) === FALSE) {
            if (!in_array(strtolower(substr($href, 0, $i)), $allowed_uri_schemes))
                return $matches[0];
        }
    }

    // unescape `\]`, `\\\]`, `\\\\\]`, etc.
    for ($j = strpos($href, '\\]'); $j !== FALSE; $j = strpos($href, '\\]', $j)) {
        for ($i = $j - 2; $i >= 0 && $href[$i] == '\\' && $href[$i + 1] == '\\'; $i -= 2)
            /* empty */;
        $i += 2;

        $h = '';
        if ($i > 0)
            $h = substr($href, 0, $i);
        for ($numBackslashes = floor(($j - $i)/2); $numBackslashes > 0; --$numBackslashes)
            $h .= '\\';
        $h .= ']';
        if (($j + 2) < strlen($href))
            $h .= substr($href, $j + 2);
        $href = $h;
        $j = $i + floor(($j - $i)/2) + 1;
    }

    if (!empty($matches[2]))
        $href .= str_replace('\\\\', '\\', $matches[2]);

    if (empty($matches[3]))
        $linkText = $href;
    else {
        $linkText = trim($matches[3]);
        if (empty($linkText))
            $linkText = $href;
    }
    $href = htmlspecialchars(encode_uri(htmlspecialchars_decode($href)));
    return "<a href=\"$href\" rel=\"nofollow\">$linkText</a>";
}

function render($input)
{
    $input = htmlspecialchars(strip_tags('' . $input));
    $input = preg_replace_callback('~\[url=((?:[^\]]|(?<!\\\\)(?:\\\\\\\\)*\\\\\])*)((?<!\\\\)(?:\\\\\\\\)*)\]' . '((?:[^[]|\[(?!/)|\[/(?!u)|\[/u(?!r)|\[/ur(?!l)|\[/url(?!\]))*)' . '\[/url\]~i', 'url_preg_replace_callback', $input);
    return $input;
}

我认为这对XSS是安全的。此版本的另一个好处是可以写出包含']'

的网址的链接

使用以下“测试套件”评估此代码:

echo render('[url=http://www.bing.com/][[/[/u[/ur[/urlBing[/url]') . "\n";
echo render('[url=][/url]') . "\n";
echo render('[url=http://www.bing.com/][[/url]') . "\n";
echo render('[url=http://www.bing.com/][/[/url]') . "\n";
echo render('[url=http://www.bing.com/][/u[/url]') . "\n";
echo render('[url=http://www.bing.com/][/ur[/url]') . "\n";
echo render('[url=http://www.bing.com/][/url[/url]') . "\n";
echo render('[url=http://www.bing.com/][/url][/url]') . "\n";
echo render('[url=    javascript: window.alert("hi")]click me[/url]') . "\n";
echo render('[url=#" onclick="window.alert(\'hi\')"]click me[/url]') . "\n";
echo render('[url=http://www.bing.com/]       [/url]') . "\n";
echo render('[url=/?#[\\]@!$&\'()*+,;=.~]       [/url]') . "\n"; // link text should be `/?#[]@!$&amp;'()*+,;=.~`
echo render('[url=http://localhost/\\\\]d]abc[/url]') . "\n"; // href should be `http://localhost/%5C`, link text should be `d]abc`
echo render('[url=\\]][/url]') . "\n"; // link text should be `]`
echo render('[url=\\\\\\]][/url]') . "\n"; // link text should be `\]`
echo render('[url=\\\\\\\\\\]][/url]') . "\n"; // link text should be `\\]`
echo render('[url=a\\\\\\\\\\]bcde\\]fgh\\\\\\]ijklm][/url]') . "\n"; // link text should be `a\\]bcde]fgh\]ijklm`

或者,只需查看Codepad results

如你所见,它有效。