代码之家 › 专栏 › 技术社区 › Etienne Marais

如何使用PHP从HTML文档中删除所有javascript?

strip regex html javascript php

Etienne Marais · 技术社区 · 15 年前

在我的电子邮件程序中,在发送电子邮件之前,我使用整洁来清理HTML。一个问题开始持续存在,如果我发送一封邮件,从Web上的一个URL获取HTML,那么文档中可能存在一些javascript。

我想通过去掉所有的javascript、嵌入的、引用的和任何形式来清理这个HTML文档,从而使邮件只存在于HTML中。

我想用PHP preg_replace() 为了从邮件中删除所有的javascript,我需要一些关于最好的regex的帮助,因为这不是我必须承认的最强点。

5 回复 | 直到 11 年前

Community Mohan Dere 9 年前

echo preg_replace('/<script\b[^>]*>(.*?)<\/script>/is', "", $var);

如图所示 here .

karim79 15 年前

你可以用 strip_tags ,传递您想要的标签允许 (whitelist)作为第二个参数,但这不会删除内联JS——它可能出现在onclick属性等中。

echo strip_tags($html, '<p><a><small>');

Lex 15 年前

看看 Create a regex to strip javascript from Html 文章。和 Part 2 .

AbbasAli Hashemian 13 年前

这(如下)并不能保证,但我试着做我的轻量解决方案,因为HTML净化器( http://htmlpurifier.org )对我的小目标来说是巨大的。我的目标是防止XSS,而不是其他任何东西,因此XSS尝试的结果对于这段代码来说将是很多肮脏的事情,但我认为这是安全的:

<?
//href="javascript:
//style="....expression
//style="....behavior
//<script
//on*="
$str = '
    asd 
    <a STyLE="asd; expression" hRef=" javascript:" onx="asd">asd</a>
    asd
    <code><a href="javascript:">asd</a></code>
    <scr<script></script>ipt ... >asd</script>
    <a style="hey:good boy;" href="javascript:">asd</a>';

function stripteaser($str, $StripHTMLTags = true, $AllowableTags = NULL) {
    $str = explode('<code>', $str);
    $codes = array();
    if (count($str) > 1) {
        foreach ($str as $idx => $val) {
            $val = explode('</code>', $val);
            if (count($val) > 1) {
                $uid = md5(uniqid(mt_rand(), true));
                $codes[$uid] = htmlentities(array_shift($val), ENT_QUOTES, 'UTF-8');
                $str[$idx] = "##$uid##" . implode('', $val);
            }
        }
    }
    $str = implode('', $str);
    while (stripos($str, '<script') !== false) {
        $str = str_ireplace('<script', '&lt;script', $str);
    }
    $rptjob = function(&$str, $regexp) {
                while (preg_match($regexp, $str, $matches)) {
                    $str = str_ireplace($matches[0], htmlentities($matches[0], ENT_QUOTES, 'UTF-8'), $str);
                }
            };
    $rptjob($str, '/href[\s\n\t]*=[\s\n\t]*[\"\'][\s\n\t]*(javascript:|data:)/i'); //href = "javascript:
    $rptjob($str, '/style[\s\n\t]*=[\s\n\t]*[\"][^\"]*expression/i'); //style = "...expression
    $rptjob($str, '/style[\s\n\t]*=[\s\n\t]*[\'][^\']*expression/i'); //style = '...expression
    $rptjob($str, '/style[\s\n\t]*=[\s\n\t]*[\"][^\"]*behavior/i'); //style = "...behavior
    $rptjob($str, '/style[\s\n\t]*=[\s\n\t]*[\'][^\']*behavior/i'); //style = '...behavior
    $rptjob($str, '/on\w+[\s\n\t]*=[\s\n\t]*[\"\']/i'); //onasd = "
    if ($StripHTMLTags)
        $str = strip_tags($str, $AllowableTags);
    foreach ($codes as $idx => $code) {
        $str = str_replace("##$idx##", $code, $str);
    }
    return $str;
}

echo stripteaser($str);
exit;
?>

D 在家里为这颗月亮写下了肮脏的密码…然而,这不是一个好工作(很多情况下需要几个CPU时间),但对于我的小目标来说,它比另一个巨大的组件(如HTML净化器)要好。

结果将是:

asd 
<a STyLE=&quot;asd; expression" hRef=&quot; javascript:" onx=&quot;asd">asd</a>
asd
&lt;a href=&quot;javascript:&quot;&gt;asd&lt;/a&gt;
<scri&lt;script></script>pt ... >asd</script>
<a style="hey:good boy;" href=&quot;javascript:">asd</a>

我对CSS表达式没有经验,但我知道在IE中使用JSVML来处理弯角的行为,所以很危险。最后,没有也没有保证。

希望对朋友有用 ;)

pbs 11 年前

我用过这个:

//remove js,css,head.....
static function cleanElements($html){

  $search = array (
         "'<script[^>]*?>.*?</script>'si",  //remove js
          "'<style[^>]*?>.*?</style>'si", //remove css 

      "'<head[^>]*?>.*?</head>'si", //remove head
     "'<link[^>]*?>.*?</link>'si", //remove link
     "'<object[^>]*?>.*?</object>'si"
                  ); 
        $replace = array ( 
              "",
                                   "",
              "",
              "",
              ""
                      );                 
  return preg_replace ($search, $replace, $html);
 }

http://allenprogram.blogspot.pt/2012/04/php-remove-js-css-head-obj-elements.html

删除除body和html之外的所有标记、脚本和样式,因此使用后,我使用strip_标记。