如何从 html 标签中删除属性？答案

【问题标题】：How can I remove attributes from an html tag?如何从 html 标签中删除属性？
【发布时间】：2010-10-20 16:35:25
【问题描述】：

如何使用 php 去除标签中的所有/任何属性，比如段落标签？

<p class="one" otherrandomattribute="two"> 到 <p>

【问题讨论】：

【解决方案1】：

虽然有更好的方法，但您实际上可以使用正则表达式从 html 标记中去除参数：

<?php
function stripArgumentFromTags( $htmlString ) {
    $regEx = '/([^<]*<\s*[a-z](?:[0-9]|[a-z]{0,9}))(?:(?:\s*[a-z\-]{2,14}\s*=\s*(?:"[^"]*"|\'[^\']*\'))*)(\s*\/?>[^<]*)/i'; // match any start tag

    $chunks = preg_split($regEx, $htmlString, -1,  PREG_SPLIT_DELIM_CAPTURE);
    $chunkCount = count($chunks);

    $strippedString = '';
    for ($n = 1; $n < $chunkCount; $n++) {
        $strippedString .= $chunks[$n];
    }

    return $strippedString;
}
?>

上面的内容可能可以用更少的字符编写，但它可以完成工作（快速而肮脏）。

【讨论】：

【解决方案2】：

使用 SimpleXML 剥离属性（PHP5 中的标准）

<?php

// define allowable tags
$allowable_tags = '<p><a><img><ul><ol><li><table><thead><tbody><tr><th><td>';
// define allowable attributes
$allowable_atts = array('href','src','alt');

// strip collector
$strip_arr = array();

// load XHTML with SimpleXML
$data_sxml = simplexml_load_string('<root>'. $data_str .'</root>', 'SimpleXMLElement', LIBXML_NOERROR | LIBXML_NOXMLDECL);

if ($data_sxml ) {
    // loop all elements with an attribute
    foreach ($data_sxml->xpath('descendant::*[@*]') as $tag) {
        // loop attributes
        foreach ($tag->attributes() as $name=>$value) {
            // check for allowable attributes
            if (!in_array($name, $allowable_atts)) {
                // set attribute value to empty string
                $tag->attributes()->$name = '';
                // collect attribute patterns to be stripped
                $strip_arr[$name] = '/ '. $name .'=""/';
            }
        }
    }
}

// strip unallowed attributes and root tag
$data_str = strip_tags(preg_replace($strip_arr,array(''),$data_sxml->asXML()), $allowable_tags);

?>

【讨论】：

这很好用，但前提是您的输入 html 格式正确 xml。否则，您必须在解析之前对输入的 html 进行一些预清理。如果您也不能完全控制原始 html 输入，那么清理这可能会非常乏味。

【解决方案3】：

这里有一个函数可以让你去除除你想要的属性之外的所有属性：

function stripAttributes($s, $allowedattr = array()) {
  if (preg_match_all("/<[^>]*\\s([^>]*)\\/*>/msiU", $s, $res, PREG_SET_ORDER)) {
   foreach ($res as $r) {
     $tag = $r[0];
     $attrs = array();
     preg_match_all("/\\s.*=(['\"]).*\\1/msiU", " " . $r[1], $split, PREG_SET_ORDER);
     foreach ($split as $spl) {
      $attrs[] = $spl[0];
     }
     $newattrs = array();
     foreach ($attrs as $a) {
      $tmp = explode("=", $a);
      if (trim($a) != "" && (!isset($tmp[1]) || (trim($tmp[0]) != "" && !in_array(strtolower(trim($tmp[0])), $allowedattr)))) {

      } else {
          $newattrs[] = $a;
      }
     }
     $attrs = implode(" ", $newattrs);
     $rpl = str_replace($r[1], $attrs, $tag);
     $s = str_replace($tag, $rpl, $s);
   }
  }
  return $s;
}

例如：

echo stripAttributes('<p class="one" otherrandomattribute="two">');

或者，如果你例如。想要保留“class”属性：

echo stripAttributes('<p class="one" otherrandomattribute="two">', array('class'));

或者

假设您要向收件箱发送消息并且您使用 CKEDITOR 编写消息，您可以按如下方式分配函数并在发送前将其回显到 $message 变量。请注意，名为 stripAttributes() 的函数将删除所有不必要的 html 标记。我试过了，效果很好。我只看到了我添加的格式，比如粗体等。

$message = stripAttributes($_POST['message']);

或您可以echo $message;进行预览。

【讨论】：

【解决方案4】：

HTML Purifier 是使用 PHP 清理 HTML 的更好工具之一。

【讨论】：

【解决方案5】：

老实说，我认为唯一明智的方法是使用标签和属性白名单与HTML Purifier 库。此处的示例脚本：

<html><body>

<?php

require_once '../includes/htmlpurifier-4.5.0-lite/library/HTMLPurifier/Bootstrap.php';
spl_autoload_register(array('HTMLPurifier_Bootstrap', 'autoload'));

$config = HTMLPurifier_Config::createDefault();
$config->set('HTML.Allowed', 'p,b,a[href],i,br,img[src]');
$config->set('URI.Base', 'http://www.example.com');
$config->set('URI.MakeAbsolute', true);

$purifier = new HTMLPurifier($config);

$dirty_html = "
  <a href=\"http://www.google.de\">broken a href link</a
  fnord

  <x>y</z>
  <b>c</p>
  <script>alert(\"foo!\");</script>

  <a href=\"javascript:alert(history.length)\">Anzahl besuchter Seiten</a>
  <img src=\"www.example.com/bla.gif\" />
  <a href=\"http://www.google.de\">missing end tag
 ende 
";

$clean_html = $purifier->purify($dirty_html);

print "<h1>dirty</h1>";
print "<pre>" . htmlentities($dirty_html) . "</pre>";

print "<h1>clean</h1>";
print "<pre>" . htmlentities($clean_html) . "</pre>";

?>

</body></html>

这会产生以下干净、符合标准的 HTML 片段：

<a href="http://www.google.de">broken a href link</a>fnord

y
<b>c
<a>Anzahl besuchter Seiten</a>
<img src="http://www.example.com/www.example.com/bla.gif" alt="bla.gif" /><a href="http://www.google.de">missing end tag
ende 
</a></b>

在您的情况下，白名单将是：

$config->set('HTML.Allowed', 'p');

【讨论】：

【解决方案6】：

您还可以研究 html 净化器。诚然，它非常臃肿，如果仅考虑这个特定示例，它可能不适合您的需求，但它或多或少地提供了对可能的敌对 html 的“防弹”净化。您还可以选择允许或禁止某些属性（高度可配置）。

http://htmlpurifier.org/

【讨论】：