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 過濾 HTML 標籤完整指南:strip_tags、正則表達式、HTMLPurifier 安全方案對比

在 PHP 中處理使用者輸入的 HTML 內容時,必須過濾或淨化標籤以防止 XSS 攻擊並確保輸出安全。本文詳細比較三種主流方案:內建 `strip_tags()`、自訂正則表達式、專業庫 HTMLPurifier,分析其優缺點、適用場景與安全性,並提供最佳實踐程式碼範例。

方案一:內建 strip_tags()(簡單、快速、但有限制)

<?php
$html = '<p>內容</p><script>alert(1)</script><b>粗體</b>';

// 1. 移除所有標籤
echo strip_tags($html); 
// 輸出:內容alert(1)粗體

// 2. 允許特定標籤 (第二參數)
echo strip_tags($html, '<p><b><i>'); 
// 輸出:<p>內容</p>alert(1)<b>粗體</b>

// 3. 允許標籤+屬性 (PHP 8.3+ 支援屬性過濾)
echo strip_tags($html, ['p' => ['class'], 'b' => []]);
// 輸出:<p>內容</p>alert(1)<b>粗體</b>
?>

優缺點分析

優點缺點/風險
內建函式,零依賴、效能極佳**無法防禦屬性型 XSS**:`` 會保留 `onerror`
語法簡單,適合單純移除標籤**不解析巢狀/破損 HTML**,可能殘留不完整標籤
PHP 8.3+ 開始支援屬性白名單無法處理 CSS `expression()`、`javascript:` 協定等進階攻擊向量
編碼問題:需確保字串為 UTF-8,否則多位元組字元可能被誤傷

方案二:正則表達式(彈性高、但極易出錯、不建議生產環境)

<?php
$html = '<p>正常</p><script>evil()</script><img src=x onerror=alert(1)>';

// 移除 script 標籤及內容 (不區分大小寫、跨行)
$html = preg_replace('@<script[^>]*>.*?</script>@is', '', $html);

// 移除所有標籤 (極度危險,易誤傷內容)
$html = preg_replace('@<[^>]+>@', '', $html);

// 僅保留白名單標籤 (極其複雜,不建議手寫)
$allowed = ['p', 'b', 'i', 'strong', 'em', 'br'];
$pattern = '@<(/?)([a-zA-Z0-9]+)([^>]*)>@';
$html = preg_replace_callback($pattern, function($m) use ($allowed) {
    $tag = strtolower($m[2]);
    if (in_array($tag, $allowed)) {
        return $m[0]; // 保留
    }
    return ''; // 移除
}, $html);
?>

正則方案嚴重風險

  • **無法正確處理巢狀標籤** (正則非遞迴)
  • **屬性值含 `>` 字元會截斷匹配**:``
  • **註解、CDATA、條件註解** 會干擾匹配
  • **編碼、實體編碼繞過**:`<script>` 實體編碼後正則失效
  • **效能災難**:長字串災難性回溯

⚠️ **生產環境嚴禁使用正則過濾 HTML**,除非極簡單、可控輸入且經過嚴格滲透測試。

方案三:HTMLPurifier(企業級標準、安全、完整、效能較低)

安裝

composer require ezyang/htmlpurifier

基本使用

<?php
require_once 'vendor/autoload.php';

$config = HTMLPurifier_Config::createDefault();
// 核心設定
$config->set('HTML.Doctype', 'HTML5');
$config->set('HTML.Allowed', 'p,b,i,strong,em,br,ul,ol,li,a[href|title],img[src|alt|width|height],table,thead,tbody,tr,th,td,caption');
$config->set('CSS.AllowedProperties', 'font,font-size,font-weight,font-style,font-family,text-align,color,background-color,border,margin,padding');
$config->set('AutoFormat.RemoveEmpty', true);
$config->set('AutoFormat.RemoveEmpty.RemoveNbsp', true);
// 安全設定
$config->set('HTML.SafeIframe', false);
$config->set('HTML.SafeObject', false);
$config->set('URI.SafeIframeRegexp', '%^$'); // 禁用 iframe

$purifier = new HTMLPurifier($config);

$dirtyHtml = '<p>正常</p><script>alert(1)</script><img src=x onerror=alert(1)><a href="javascript:alert(1)">連結</a>';
$cleanHtml = $purifier->purify($dirtyHtml);

echo $cleanHtml;
// 輸出:<p>正常</p><img src="x" alt="" /><a href="#">連結</a>
// script 移除、onerror 移除、javascript: 協定移除、img 強制補 alt
?>

HTMLPurifier 進階設定範例

$config = HTMLPurifier_Config::createDefault();
// 允許 YouTube iframe
$config->set('HTML.SafeIframe', true);
$config->set('URI.SafeIframeRegexp', '%^(https?:)?//(www\.)?youtube\.com/embed/%');

// 允許 style 屬性 (需 CSS.AllowedProperties)
$config->set('HTML.Allowed', 'div[style],span[style],p[style]');
$config->set('CSS.AllowedProperties', 'color,background-color,font-size,font-weight,text-align,margin,padding,display,flex,grid');

// 快取機制 (生產環境必開)
$config->set('Cache.SerializerPath', '/path/to/writable/cache');

// 自訂元素/屬性 (擴充 HTMLDefinition)
$def = $config->getHTMLDefinition(true);
$def->addElement('my-custom', 'Inline', 'Flow', 'Common', ['data-id' => 'Text']);
$config->set('HTML.DefinitionID', 'custom-v1');
$config->set('HTML.DefinitionRev', 1);

三方案綜合比較

維度strip_tags()正則表達式HTMLPurifier
安全性 (XSS 防禦)低 (無屬性過濾)極低 (極易繞過)**極高** (白名單機制、標準解析器)
HTML 解析正確性中 (不處理巢狀/破損)低 (正則非解析器)**高** (基於 lexer/parser)
效能**極快** (C 實作)快 (但長字串風險)中等 (需快取加速)
配置彈性低 (僅標籤白名單)高 (但維護地獄)**極高** (完整規則引擎)
學習曲線極低中 (正則本身複雜)中 (配置選項多)
適用場景單純移除所有標籤、受信內容簡單清理極受控環境、極簡單規則、原型驗證**所有使用者生成內容 (UGC)、CMS、評論、郵件模板、API 輸出**

最佳實踐建議

  1. 使用者生成內容 (UGC): **強制使用 HTMLPurifier**,配置白名單、啟用快取。
  2. 受信內容簡單清理 (如後台管理員編輯): `strip_tags($html, '


      1. ')` 可接受,但建議仍用 HTMLPurifier 統一管理。
      2. API 輸出 JSON 給前端渲染: 後端**不應過濾 HTML**,改由前端框架 (Vue/React) 的 `v-html`/`dangerouslySetInnerHTML` 配合 DOMPurify (JS 版淨化器) 處理。
      3. 儲存策略: 儲存**原始輸入**,輸出時依語境淨化 (Context-Aware Output Encoding)。資料庫存純文字或原始 HTML,輸出時才處理。
      4. 編碼統一: 全站 UTF-8,資料庫、連線、PHP `mb_internal_encoding('UTF-8')`、HTML ``。

      總結

      PHP 過濾 HTML 標籤,**生產環境請直接使用 HTMLPurifier**。`strip_tags()` 僅適合極簡單、受信任的內容清理;正則表達式處理 HTML 屬於反模式,極高風險。建立專案統一的 `HtmlSanitizer` 服務類,封裝 HTMLPurifier 配置,提供 `sanitize($html, 'profile'/'comment'/'email')` 等場景化方法,確保安全性與一致性。

copyright © 萬盛學電腦網 all rights reserved