【发布时间】：2011-01-21 01:11:51
【问题描述】：
【问题讨论】：
-
您知道要删除哪些标签吗？还是全部？即使将来 html 标签发生变化，您还希望代码工作吗？输入是否总是有效的 XHTML？
【发布时间】：2011-01-21 01:11:51
【问题描述】：
为保证没有 HTML 标记通过，请使用：HttpServerUtility.HtmlEncode(string);。
如果你想让一些通过，你可以使用这个"Whitelist" approach。
更新：在该代码中发现了一些漏洞；作为Developer from Fog Creek tells us。
（第二个链接包括代码）。
【讨论】：
-
HTMLEncode("图片标签：
")) %> 输出：图片标签：<img> 和 Strip it 不一样。
-
这一切都取决于他想要的结果。如果他想确保没有任何 HTML 标记被执行（从而使自己对 XSS 开放），那么第一种方法是“最好的”方法。如果他只想让明文通过，第二种方式的变体是“最好的”。
-
他可能想删除标签以在 rss-feed 或其他内容中将其显示为明文。在 PHP 中，您有一个名为 php.net/strip_tags 的内置函数，它的哪个声音是他想要的。但是白名单解决了这个问题，你也可以使用那个 HTML Pack 或者它被称为的任何东西..
-
实际上，这种方法比上面建议的正则表达式更安全。这种方法的唯一缺点是用户可能不想看到编码的 HTML。
-
答案中的链接是个坏主意，因为它们有时会中断！
public static string StripHTML(string htmlString)
{
string pattern = @"<(.|\n)*?>";
return Regex.Replace(htmlString, pattern, string.Empty);
}
【讨论】：
-
很高兴为您效劳，妈妈
-
Ick，这个问题在 SO 中重复了很多次，同样的错误答案也重复了很多次。正如我在另一篇相同的帖子中已经说过的：“你不应该使用正则表达式来解析像 HTML 这样的上下文无关语法。如果 HTML 是由某个外部实体提供的，那么它可以很容易地被操纵以逃避你的正则表达式。”
-
我们现在正在使用 htmlagilitypack
-
这取决于您想要实现的目标。当不需要质量时，HAP 可能会非常缓慢地有效剥离几百万个短字符串。
-
通过 css 类名字符串删除标签 cssClassName = "myCSSClass";字符串模式 = String.Format("]+class=([""'])[^>]*{0}[^>]*\1[^>]*>(.|\n )*?", cssClassName); Regex.Replace(htmlString, pattern, string.Empty);
获取您的 HTML 字符串或文档并使用 HTML Agility Pack 对其进行解析。这将为您提供一个与 XmlDocument 非常相似的 HTMLDocument 对象。
然后您可以使用它的方法，例如SelectNodes 来访问您感兴趣的文档部分。
如果您选择使用其他方法，请注意使用正则表达式解析 HTML（一种非正则语言）被广泛认为是 a bad idea。
无论采用哪种方法，如果您要保留一些标记，请使用白名单方法。这意味着删除所有没有明确需要的内容。
【讨论】：
-
HTML 敏捷包救了我一天。 +1
-
如果它根本不是一个格式良好的文档怎么办？例如，只有一堆带有一个标签的文本，Agility Pack 会为您解析吗？
-
@EgorPavlikhin 是的，它将修复无效标记并制作有效的 html 文档。
-
+1 表示您不应该使用正则表达式解析 CFG。如果可以的话，我会为你 +100。