如何转义字符串中的特定 HTML 标签

Question

我需要先转义 HTML 标签的黑名单，然后再在网页中显示。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、元数据等）。

考虑了一段时间后，我想出了两种方法：

1. RegEx -- 几乎每个人都会告诉你，使用 RegEx 处理 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 中并通过子节点递归循环。对于每个节点，我会检查它是否在指定的黑名单上。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，则在仍在处理InnerHtml 的同时按原样输出节点。

所以，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，我遇到了一些问题、问题和障碍。

1. HtmlAgilityPack 是满足此要求的最佳库吗？
2. 递归解决方案是唯一的方法吗？我想使用 .Descendants() 方法，因为它通过内部递归返回所有节点的扁平列表，但这会导致重复的内容。使用上面的示例，<i>over</i> 节点是第二个 b 节点的 InnerHtml 的一部分，但在 Descendants 集合中也成为其自己的节点。
3. 我可能缺少正确的方法或属性，但我找不到在不包含 InnerHtml 的情况下输出 仅 开始和结束标记的方法。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）来构建自己的输出，但我认为这已经可用。

在我看来，这个方法看起来有点像这样

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

此功能支持允许使用的标签列表，您可以使用。