萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網頁製作 >> HTML5 教學

PHP 移除 HTML 標籤:strip_tags、Htmlspecialchars 與自訂函式最佳實務

PHP 內建 strip_tags() 是最常用的去標籤函式,但有已知限制(屬性值殘留、實體未解碼、多位元組編碼問題)。本文深入分析 strip_tags 行為,並提供生產級的自訂函式與安全建議。

一、strip_tags() 基本用法與陷阱

$html = '<div class="box">Hello <b>World</b></div>';
echo strip_tags($html);                    // Hello World
echo strip_tags($html, '<b><i>');       // Hello <b>World</b>(保留 b, i)

已知問題

  • 屬性值殘留:<a href="javascript:alert(1)">link</a> → javascript:alert(1)link
  • 實體不解碼:&lt; 保持原樣
  • 破損標籤:<b>bold(缺結束標籤)可能誤刪後續文字
  • 編碼敏感:非 UTF-8 環境下中文易亂碼

二、生產級自訂函式:安全移除標籤 + 實體解碼

function cleanHtml(string $html, array $allowedTags = []): string
{
    if ($html === '') return '';

    // 1. 統一編碼為 UTF-8
    $html = mb_convert_encoding($html, 'UTF-8', 'UTF-8, ISO-8859-1, BIG5');

    // 2. 移除 script/style/noscript 區塊(含跨行)
    $html = preg_replace('#<(script|style|noscript)[^>]*>.*?</\1>#is', '', $html);

    // 3. 移除 HTML 註解
    $html = preg_replace('#<!--.*?-->#s', '', $html);

    // 4. 處理允許標籤:建立暫時佔位符
    $placeholders = [];
    if ($allowedTags) {
        foreach ($allowedTags as $tag) {
            $ph = '__ALLOW_' . md5($tag) . '__';
            $placeholders[$ph] = "<$tag>";
            $html = preg_replace('#<' . $tag . '\b[^>]*>#i', $ph, $html);
            $html = preg_replace('#</' . $tag . '>#i', '', $html); // 結束標籤保留
        }
    }

    // 5. 移除所有剩餘標籤
    $html = preg_replace('#<[^>]+>#', '', $html);

    // 6. 還原允許標籤
    $html = strtr($html, $placeholders);

    // 7. 解碼 HTML 實體
    $html = html_entity_decode($html, ENT_QUOTES | ENT_HTML5, 'UTF-8');

    // 8. 正規化空白
    $html = preg_replace('/[\r\n\t]+/', "\n", $html);
    $html = preg_replace('/[ \x{00A0}]{2,}/u', ' ', $html);
    $html = preg_replace('/\n{3,}/', "\n\n", $html);

    return trim($html);
}

// 使用範例
$dirty = '<script>xss()</script><p class="x">Hello &lt;World&gt;</p>';
echo cleanHtml($dirty);                    // Hello <World>
echo cleanHtml($dirty, ['p', 'br']);       // <p>Hello <World></p>

三、搭配 htmlspecialchars() 防 XSS 輸出

// 1. 先清理內容
$safe = cleanHtml($userInput);

// 2. 輸出到 HTML 內容區:雙重防護
echo htmlspecialchars($safe, ENT_QUOTES | ENT_HTML5, 'UTF-8');

// 3. 輸出到屬性值
echo '<input value="' . htmlspecialchars($safe, ENT_QUOTES, 'UTF-8') . '">';

// 4. 輸出到 JavaScript 字串
echo '<script>var msg = ' . json_encode($safe, JSON_HEX_TAG | JSON_HEX_APOS | JSON_HEX_QUOT | JSON_HEX_AMP) . ';</script>';

四、效能與替代方案比較

方案優點缺點適用場景
strip_tags()內建、快殘留屬性、不解碼實體簡單可信內容
自訂 Regex 函式可控制細節、解碼實體Regex 維護成本、極大字串較慢中型專案、需保留特定標籤
HtmlPurifier白名單、標準合規、防 XSS效能較低、體積大高安全需求、CMS、論壇
Ganss.XSS.HtmlSanitizer (PHP port)現代、快、白名單社群較小新專案、API 回傳

五、Composer 推薦套件

# 最推薦:HTMLPurifier(嚴格白名單、標準合規)
composer require ezyang/htmlpurifier

# 輕量替代:HTMLSanitizer
composer require voku/anti-xss

六、快速檢查清單

  • [ ] 輸入來源是否可信?(使用者輸入、外部 API、匯入檔案)
  • [ ] 是否需保留部份標籤?(加允許清單)
  • [ ] 是否已解碼實體?(html_entity_decode)
  • [ ] 輸出前是否 htmlspecialchars?
  • [ ] 編碼是否統一 UTF-8?
  • [ ] 有無單元測試覆蓋 XSS 攻擊向量?

結語:strip_tags 適合快速原型,正式專案請採用「白名單過濾 + 實體解碼 + 輸出編碼」三層防護,或直接引入 HTMLPurifier 等成熟函式庫,從根源杜絕 XSS 風險。

copyright © 萬盛學電腦網 all rights reserved