Question

在我的电子邮件程序中，我在发送电子邮件之前使用Tidy来清理HTML。一个问题开始持续存在，如果我发送邮件从网上的网址获取html，文档中可能会存在一些javascript。

我想通过剥离所有javascript，嵌入，引用和任何形式来清理这个html文档，以便邮件只存在于html中。

我想使用php的preg_replace()从邮件中删除所有javascript，我需要一些最好的正则表达式的帮助，因为这不是我必须承认的最强点。

Answer 1

echo preg_replace('/<script\b[^>]*>(.*?)<\/script>/is', "", $var);

如图所示here。

Answer 2

您可以使用strip_tags，将希望允许（白名单）的代码作为第二个参数传入，但不会删除内联JS - 这可能存在于onclick属性中等等。

echo strip_tags($html, '<p><a><small>');

Answer 3

查看Create a regex to strip javascript from Html文章。并Part 2。

Answer 4

这不能保证（如下所示），但我试图制作轻量级解决方案，因为html净化器（http://htmlpurifier.org）对于我的小目标来说是一个巨大的。我的目标是防止XSS而不是更多，所以XSS尝试的结果将是这个代码的很多脏东西，但我认为它将是安全的：

<?
//href="javascript:
//style="....expression
//style="....behavior
//<script
//on*="
$str = '
    asd 
    <a STyLE="asd; expression" hRef=" javascript:" onx="asd">asd</a>
    asd
    <code><a href="javascript:">asd</a></code>
    <scr<script></script>ipt ... >asd</script>
    <a style="hey:good boy;" href="javascript:">asd</a>';

function stripteaser($str, $StripHTMLTags = true, $AllowableTags = NULL) {
    $str = explode('<code>', $str);
    $codes = array();
    if (count($str) > 1) {
        foreach ($str as $idx => $val) {
            $val = explode('</code>', $val);
            if (count($val) > 1) {
                $uid = md5(uniqid(mt_rand(), true));
                $codes[$uid] = htmlentities(array_shift($val), ENT_QUOTES, 'UTF-8');
                $str[$idx] = "##$uid##" . implode('', $val);
            }
        }
    }
    $str = implode('', $str);
    while (stripos($str, '<script') !== false) {
        $str = str_ireplace('<script', '&lt;script', $str);
    }
    $rptjob = function(&$str, $regexp) {
                while (preg_match($regexp, $str, $matches)) {
                    $str = str_ireplace($matches[0], htmlentities($matches[0], ENT_QUOTES, 'UTF-8'), $str);
                }
            };
    $rptjob($str, '/href[\s\n\t]*=[\s\n\t]*[\"\'][\s\n\t]*(javascript:|data:)/i'); //href = "javascript:
    $rptjob($str, '/style[\s\n\t]*=[\s\n\t]*[\"][^\"]*expression/i'); //style = "...expression
    $rptjob($str, '/style[\s\n\t]*=[\s\n\t]*[\'][^\']*expression/i'); //style = '...expression
    $rptjob($str, '/style[\s\n\t]*=[\s\n\t]*[\"][^\"]*behavior/i'); //style = "...behavior
    $rptjob($str, '/style[\s\n\t]*=[\s\n\t]*[\'][^\']*behavior/i'); //style = '...behavior
    $rptjob($str, '/on\w+[\s\n\t]*=[\s\n\t]*[\"\']/i'); //onasd = "
    if ($StripHTMLTags)
        $str = strip_tags($str, $AllowableTags);
    foreach ($codes as $idx => $code) {
        $str = str_replace("##$idx##", $code, $str);
    }
    return $str;
}

echo stripteaser($str);
exit;
?>

：d 在家里这个月亮的脏代码......然而，这不是一个好工作（很多情况下条件需要一些CPU时间）但是它比html净化器这样的另一个巨大的组件对我的小目标更好。

结果将是：

asd 
<a STyLE=&quot;asd; expression" hRef=&quot; javascript:" onx=&quot;asd">asd</a>
asd
&lt;a href=&quot;javascript:&quot;&gt;asd&lt;/a&gt;
<scri&lt;script></script>pt ... >asd</script>
<a style="hey:good boy;" href=&quot;javascript:">asd</a>

我没有css表达式的经验，但我知道在IE中使用JS VML进行弯曲角落的行为因此可能很危险。最后，没有，也没有保证。

我希望它对某些朋友有用 ;）

Answer 5

我用过这个：

//remove js,css,head.....
static function cleanElements($html){

  $search = array (
         "'<script[^>]*?>.*?</script>'si",  //remove js
          "'<style[^>]*?>.*?</style>'si", //remove css 

      "'<head[^>]*?>.*?</head>'si", //remove head
     "'<link[^>]*?>.*?</link>'si", //remove link
     "'<object[^>]*?>.*?</object>'si"
                  ); 
        $replace = array ( 
              "",
                                   "",
              "",
              "",
              ""
                      );                 
  return preg_replace ($search, $replace, $html);
 }

http://allenprogram.blogspot.pt/2012/04/php-remove-js-css-head-obj-elements.html

删除除body和html之外的所有标签，脚本和样式，因此在使用它之后，我使用strip_tags。

如何使用PHP从HTML文档中删除所有javascript？

5 个答案: