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:preg_replace 正則移除註解、Doctype、標籤與敏感屬性

核心函數:preg_replace 正則替換

利用 PCRE 正則表達式移除 HTML 標籤、註解、特定屬性,防止 XSS 與版面破壞。

常用過濾規則陣列

$patterns = [
    '/<!--.*?-->/si'           => '',      // 移除 HTML 註解
    '/<!.*?>/si'                => '',      // 移除 DOCTYPE 等宣告
    '/<\/?html.*?>/si'          => '',      // 移除 html 標籤
    '/<\/?head.*?>/si'          => '',      // 移除 head 標籤
    '/<\/?meta.*?>/si'          => '',      // 移除 meta 標籤
    '/<\/?body.*?>/si'          => '',      // 移除 body 標籤
    '/<\/?link.*?>/si'          => '',      // 移除 link 標籤
    '/<\/?form.*?>/si'          => '',      // 移除 form 標籤
    '/cookie/si'                 => 'COOKIE', // 過濾 cookie 關鍵字
    '/on\w+\s*=/si'              => '',      // 移除事件屬性 onclick, onload 等
    '/javascript:/si'            => '',      // 移除 javascript: 偽協議
    '/expression\s*\(/si'        => '',      // 移除 CSS expression
];

$str = preg_replace(array_keys($patterns), array_values($patterns), $str);

進階:保留允許標籤的白名單過濾

使用 strip_tags() 保留特定標籤,再配合屬性過濾:

$allowed_tags = '<p><br><strong><em><ul><ol><li><a><img>';
$str = strip_tags($str, $allowed_tags);

// 進一步清理危險屬性
$str = preg_replace('/\s(on\w+|style|href|src)\s*=\s*["\'][^"\']*["\']/si', '', $str);

// 針對 a 標籤 href、img 標籤 src 做白名單驗證(僅允許 http/https/data 協議)

推薦:使用成熟庫而非手寫正則

  • HTML Purifier:PHP 標準庫,嚴格依照 HTML 規範白名單過濾,防 XSS 最徹底。
  • HTMLawed:輕量級,可自訂允許標籤/屬性/樣式。
  • strip_tags() + 自訂屬性過濾:簡單場景足夠,但需注意 strip_tags 不處理屬性。

Composer 安裝 HTML Purifier

composer require ezyang/htmlpurifier
require_once 'vendor/autoload.php';
$config = HTMLPurifier_Config::createDefault();
$config->set('HTML.Allowed', 'p,b,strong,i,em,u,strike,ul,ol,li,a[href|title],img[src|alt|width|height]');
$purifier = new HTMLPurifier($config);
$clean_html = $purifier->purify($dirty_html);

安全性檢查清單

  1. 移除 <script>, <iframe>, <object>, <embed>, <style> 等高風險標籤。
  2. 移除所有事件屬性(on*)、style 屬性(CSS expression)、javascript: 偽協議。
  3. a 標籤 href 僅允許 http:, https:, mailto:, tel:。
  4. img 標籤 src 僅允許 http:, https:, data: (限制大小)。
  5. 輸出時配合 htmlspecialchars() 或模板引擎自動跳脫(Blade, Twig, Latte)。

小結

手寫正則過濾 HTML 極易漏洞百出,生產環境請務必使用 HTML Purifier。簡單場景可用 strip_tags() 白名單 + 屬性正則清理,但需清楚其局限性。

copyright © 萬盛學電腦網 all rights reserved