求一个PHP正则表达式把html中的所有标签属性全部去掉

Question

一、用CMS系统的时候，直接粘贴文章会带有很多没有的垃圾标签或者属性，所以我需要把html中的所有标签属性全部去掉，除了img标签的alt和src属性保留。

自己写了个，感觉不到位：

//这个地方不知道怎么写，过滤所有标签的属性，除img的src和alt
$html=preg_replace("/<([a-zA-Z]+)[^>]*>/","<\1>",$html);

这个会把全部的都换掉，但是img的我不能按照我想要的那样，求大神。

二、然后还有个就是table标签，比如：

<table......属性一大堆>
	<tr...属性一大堆><td>1.</td><td><span>随便一些字</span></td></td>
	<tr...属性一大堆><td>2.</td><td><span>随便一些字</span></td></td>
</table>

我想整理后得到这样：

<p>
1.<span>随便一些字</span>
2.<span>随便一些字</span>
</p>

Answer 1

嗯，是的，这个确实有点强大。

Answer 2

function rehtml($data){
	$data = preg_replace("/<em([^>]+)?>/i", "", $data);
	$data = preg_replace("/</em>/i", "", $data);
	$data = preg_replace("/<img([^>]+)?>/i", "", $data);
	$data = preg_replace("/<div([^>]+)?>/i", "", $data);
	$data = preg_replace("/</div>/i", "", $data);
	$data = preg_replace("/<table([^>]+)?>/i", "", $data);
	$data = preg_replace("/</table>/i", "", $data);
	$data = preg_replace("/<tr([^>]+)?>/i", "", $data);
	$data = preg_replace("/</tr>/i", "", $data);
	$data = preg_replace("/<td([^>]+)?>/i", "", $data);
	$data = preg_replace("/</td>/i", "", $data);
	$data = preg_replace("/<tbody([^>]+)?>/i", "", $data);
	$data = preg_replace("/</tbody>/i", "", $data);
	$data = preg_replace("/<strong([^>]+)?>/i", "", $data);
	$data = preg_replace("/</strong>/i", "", $data);
	$data = preg_replace("/<p([^>]+)?>/i", "<p>", $data);
	$data = preg_replace("/<span([^>]+)?>/i", "<p>", $data);
	$data = preg_replace("/</span>/i", "</p>", $data);
	$data = preg_replace("/<h1([^>]+)?>.*</h1>/i", "", $data);
	$data = preg_replace("/<h2([^>]+)?>.*</h2>/i", "", $data);
	$data = preg_replace("/<font([^>]+)?>/i", "", $data);
	$data = preg_replace("/</font>/i", "", $data);
	$data = preg_replace("/<center([^>]+)?>/i", "", $data);
	$data = preg_replace("/</center>/i", "", $data);
	$data = preg_replace("/<b ([^>]+)?>.*?</b>/i", "", $data);
	$data = preg_replace("/<a [^>]*>.*?</a>/i", "", $data);
	return $data;
}

Answer 3

使用起来还是比较简单的。这个是做html文档标准化的。可以防止各种各样的xss代码。

Answer 4

htmlpurifier.org 我们的蝉知
建站系统的html标准化使用的就是这套类库。功能相当强大。

Answer 5

解决了，谢谢大家，也贴出来，后面大家碰到可以用，两个解决方法

一个是：使用这个组件，http://stackoverflow.com/questions/9897214/how-to-strip-specific-tags-and-specific-attributes-from-a-string

二个是：使用php函数strip_tags这个方法，第二个参数可以带你不想要过滤的标签

比如：

$body = strip_tags($body,'<img><a>');
$body = preg_replace("/<img(.*)srcs*=s*"([^"]+)"[^>]+>/isU","<img src='\2' />",$body);

Answer 6

引用来自“Liuxd”的评论

https://github.com/liuxd/CodeSnippets/blob/master/PHP/XssFilter.php

试试这个。

Answer 7

怎么解析dom？

Answer 8

正则不是很熟啊，这种情况如果是我会解析dom然后重新生成！

Answer 9

大神呢

Answer 10

这个代码我试了下，好像不行

Answer 11

哦？php内置的什么方法，还这不知道

Answer 12

strip_tags这个方法是可以，但会全部干掉，但是我要保留img标签怎么破，还有a标签的title属性之类的

Answer 13

明白了，这个函数还有第二个参数

Answer 14

为什么要用正则 PHP 有过滤方法呀 内置的