Question

我正在尝试创建一个可以将几组html标签列入白名单的正则表达式。

/<(\/)?(code|em|ul)(\/)?>$/

但是在少数情况下失败了：

<em style="padding: 10px">

尝试了/<(\/)?(code|em|ul)(.|\n)*?(\/)?>$/，但这也允许

<emadchgasgh style="padding: 10px">

需要列入白名单的案例：

<em> - Success
</em> - Success
<br/> - Success
<em style="asdcasc"> - Success
<emacjhasjdhc> - Failure

问题-可以在正则表达式中添加什么？

Answer 1

/<\s*\/?\s*(code|em|ul|br)\b.*?>/

\s*\/?\s*标签名称前面可能有空格
(code|em|ul|br)\b仅匹配整个标签名称
.*?>将所有内容与字符>

匹配

Answer 2

在客户端，使用DOMParser将文本解析为文档，然后使用querySelector选择不是code，em ul或{{ 1}}和查询字符串：

br

如果返回任何内容，则字符串不通过。

*:not(code):not(em):not(ul):not(br)

在Java中，您可以使用Jsoup来解析给定的HTML字符串，然后可以选择其中的元素，例如：

const test = (str) => {
  const doc = new DOMParser().parseFromString(str, 'text/html');
  return !doc.body.querySelector('*:not(code):not(em):not(ul):not(br)');
};

console.log(test('foo <br> bar'));
console.log(test('foo <code>code here</code> bar <br>'));
console.log(test('foo <div>not allowed</div>'));

如果Document doc = Jsoup.parse(input); Elements forbiddenElements = doc.select("*:not(code):not(em):not(ul):not(br)");中包含任何内容，则该字符串包含禁止的元素。

正则表达式将HTML标签列入白名单

2 个答案: