HTML消毒 - 糟糕的標記？

Question

我一直在掃描一些關於清理HTML標記字符串以重新顯示在頁面上的討論（例如博客評論）。在過去，我只是單方面逃脫了重新展示的標記。

是否有人知道是否有任何解決方案超越只是刪除「不安全」的標籤？

如果標記無效怎麼辦？例如，您如何防止和未封閉標籤，使其面向在頁面上顯示的所有文本？

看起來像Stackoverflow處理這個。

未封閉'b'標記示例

謝謝。

Answer 1

Stackoverflow使用textile或非常喜歡它。

紡織品或多或少地保證吐出有效的（x）html，改善許多消毒用戶輸入的典型問題。

Answer 2

檢查這個代碼：

Sanitize HTML，我認爲StackOverflow上使用它的地方......

的方法來使用基於 白名單從提供的原始 HTML輸入消毒任何潛在的危險 標籤方法，留下「安全」的HTML 標籤。

Answer 3

Html Agility Pack可能是一個很好的起點，因爲它聲稱非常容忍格式不正確和格式錯誤的HTML。最重要的是，您可能需要制定一些規則來做進一步的消毒。最後，將獲取的DOM序列化回純HTML代碼。

我遇到了同樣的問題，並在Html Agility Pack之上構建了基於規則的HTML清理程序。它允許您扁平化或移除標籤，例如將標籤變換替換b與強標籤並限制屬性的使用。如果想要快速完成，請參閱HtmlRuleSanitizer的源代碼，或者獲取NuGet package。