javascript - Markdown 代码块之外的 HTML 正则表达式

Question

我有一个包含一些 Markdown 的文本区域。我不希望用户在其中发布 html，除非它位于 markdown 代码块内，例如

``` someLanguageCode
<span>some html inside markdown code block</span>
```

我不想允许任何 html 位于 markdown 代码块之外。所以这是非法的:

<span>some html tag outside code block</span>
<div>some more multiline html code outside
</div>
``` someLanguageCode
<span>some html inside markdown code block</span>
```

我能够获得单行 html 标签的正则表达式。 <([a-zA-Z][a-zA-Z0-9]*)\b[^>]*>(.*?)<\/\1>

我无法

1. 获取支持多行 html 标签的正则表达式和
2. 检查该 html 是否位于 Markdown 代码块之外。

我做了一个jsfiddle解决这个问题，它显示什么应该匹配或应该被拒绝。

我这样做是为了避免明显的 XSS 注入(inject)。

Answer 1

正如评论中已经提到的，您不应该尝试使用正则表达式解析整个 HTML。我想你只是想最后去掉标签并将其标记为无效。我创建了一个jsfiddle我在其中放置了一些解析结构的代码，并使您可以在 Markdown 区域或外部应用代码:

var valid = '``` someLanguageCode'+
'<span>some html inside markdown code block</span>'+
'```'; // Valid string
var broken = '``` someLanguageCode'+
'<span>some html inside markdown code block</span>'; //Markdown not closed (broken string)
var not_valid = '<span>Me is outside.</span>'+
'``` someLanguageCode'+
'<span>some html inside markdown code block</span>'+
'```'; // Not valid string

var s = not_valid; //Change this to test

document.getElementById('code').innerHTML = check_html_in_markdown(s);

function check_html_in_markdown(s){
    s = s.split(/```/);
  //Check if markdown blocks are closed correctly
  var is_broken = false;
  if(s.length % 2 == 0){ //odd number of markdown ``` means not closed
    is_broken = true;
    alert('Markown is broken');
  }

  if(!is_broken){
    var in_markdown = false; 
    for(var i in s){
      in_markdown = i % 2 == 1;
      if(!in_markdown){
        //Code to find HTML-Tags and replace them
        s[i] = s[i].replace(/<[a-z\/][^>]*>/g, ' **Your replacement** ');
      } else {
        //Here you can do nothing or check with a HTML-Parser if there is valied HTML
      }
    }
  }
  return s.join('```');
}