html - 如何转义字符串中的特定 HTML 标记

Question

我需要在网页中显示之前转义 HTML 标记的黑名单。选择性的原因是允许保留格式(正文、斜体、字体等)，但不允许保留任何会“破坏”页面的标签(脚本、元等)。

经过一段时间的思考，我想到了两种方法:

1. RegEx——几乎每个人都会告诉您，使用 RegEx 来操纵 HTML 是一个坏主意
2. 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 并递归 循环遍历子节点。对于每个节点，我都会检查它是否在指定的黑名单中。如果是，我将转义打开(如果存在则关闭)节点，然后处理 InnerHtml .如果它不在列表中，则按原样输出节点，同时仍在处理 InnerHtml .

因此，给定以下(非常简单的)来源

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，我遇到了一些担忧、问题和障碍。

1. 是HtmlAgilityPack满足此要求的最佳库是什么？
2. 递归解决方案是唯一的方法吗？我虽然关于使用 .Descendants()方法，因为它通过内部递归返回所有节点的展平列表，但这会导致重复的内容。使用上面的示例，<i>over</i>节点是 InnerHtml 的一部分对于第二个 b 节点，但随后也成为后代集合中它自己的节点。
3. 我可能缺少正确的方法或属性，但我找不到一种方法来输出 仅 开始和结束标记而不包括 InnerHtml。我的用例是将开始标记(包括所有属性)输出为转义字符串，输出递归处理的 InnerHtml，然后输出转义结束标记。我想我可以通过使用不同的属性(名称、ID、属性等)构建我自己的输出，但我认为这已经可用。

在我看来，该方法看起来像这样

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......我什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

您应该在后端执行此操作，即在 PHP 中:

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

此功能支持允许的标签列表，您可以使用。