清理/清理 HTML，但使用 Ruby/Rails + Nokogiri + Sanitize 保留丢失 HTML 字符（？）答案

【问题标题】：clean/sanitize HTML, but preserve loses HTML chars with Ruby/Rails + Nokogiri + Sanitize (?)清理/清理 HTML，但使用 Ruby/Rails + Nokogiri + Sanitize 保留丢失 HTML 字符（？）
【发布时间】：2012-07-13 10:07:51
【问题描述】：

我们使用了 Sanitize gem 和 HTMLEntities 的组合来清理用户输入的 HTML。 Sanitize 宝石使用 Hpricot，但现在使用 Nokogiri。我需要让 Hpricot 退出应用程序。

这里有两个测试字符串，每个字符串后面都是我期望的输出：

测试字符串1：

"SOME TEXT < '<span style='background-image: url(\"http://evil.ru/webbug.png\")'>MORE' & TEXT!!!</span>"

expected_text = "SOME TEXT < 'MORE' & TEXT!!!"

第二个测试字符串（路径略有不同）：

'Support <i>odd</i> chars like " < \' ‽'

expected_text = 'Support <i>odd</i> chars like &quot; &lt; &#39; ‽'

这是你解决的问题吗？你用了什么工具？

【问题讨论】：

抱歉，我无法理解您的问题。你说你的测试失败了。你得到的结果是什么，而不是预期的结果。您是否希望清理一些标签、保留一些标签以及将特殊字符转义为 HTML 实体？
为了清楚起见，我已经编辑了这个问题。但是，是的，对于第一个字符串，我希望 html 标签被剥离，但松散的 '

标签： ruby ruby-on-rails-3 nokogiri hpricot sanitize

【解决方案1】：

您可能想尝试丝瓜络宝石：

Loofah.document("SOME TEXT < '<span style='background-image: url(\"http://evil.ru/webbug.png\")'>MORE' & TEXT!!!</span>").to_html
=> "SOME TEXT MORE' &amp; TEXT!!!"

由于某种原因，Loofah 没有处理第二个示例中的 unicode 字符，但是如果您在 Loofah 上提交 Github 问题，我很乐意调查它（完全披露：我是 Loofah 的作者和合作-Nokogiri 的作者）。

更多链接：

【讨论】：