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。
$html = '<div class="box">Hello <b>World</b></div>';
echo strip_tags($html); // Hello World
echo strip_tags($html, '<b><i>'); // Hello <b>World</b>(保留 b, i)
<a href="javascript:alert(1)">link</a> → javascript:alert(1)link< 保持原樣<b>bold(缺結束標籤)可能誤刪後續文字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', '' . $tag . '>', $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
$dirty = '<script>xss()</script><p class="x">Hello <World></p>';
echo cleanHtml($dirty); // Hello <World>
echo cleanHtml($dirty, ['p', 'br']); // <p>Hello <World></p>
// 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>';
| 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 |
# 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
html_entity_decode)htmlspecialchars?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。