إزالة علامات البرنامج النصي من محتوى HTML: دليل شامل

أثناء استخدام HTML Purifier، قد ترغب في إزالة علامات البرنامج النصي على وجه التحديد دون إزالة التنسيق المضمن أو العناصر الأخرى. يمكن تحقيق ذلك من خلال طرق مختلفة.

استخدام التعبيرات العادية

على الرغم من أنه لا يوصى به لتحليل HTML، إلا أن التعبير العادي البسيط يمكن أن يحقق المهمة:

$html = preg_replace('##is', '', $html);

$html = preg_replace('#<script(.*?)>(.*?)</script>#is', '', $html);

استخدام DOMDocument

الطريقة الأكثر موثوقية وأمانًا هي استخدام فئة DOMDocument، المصممة لتحليل HTML:

$dom = new DOMDocument(); $dom->loadHTML($html); foreach ($dom->getElementsByTagName('script') كـ $item) { $item->parentNode->removeChild($item); } $html = $dom->saveHTML();

$html = preg_replace('#<script(.*?)>(.*?)</script>#is', '', $html);

بدائل إضافيةبدلاً من ذلك، فكر في استخدام إحدى التقنيات التالية:

تنقية HTML مع مرشح مخصص:
• تكوين HTML Purifier لإزالة علامات البرنامج النصي عن طريق إنشاء مرشح مخصص.
PHP Simple HTML DOM Parser:
• استخدم مكتبة PHP الشهيرة هذه للإزالة علامات البرنامج النصي بكفاءة.
مكتبة Jsoup لـ Java:
• بالنسبة للمشاريع المستندة إلى Java، توفر Jsoup طريقة قوية لتنظيف محتوى HTML.

الأمان الاعتبارات

تذكر أنه يجب التعامل مع مدخلات المستخدم على أنها قد تكون غير آمنة. قم دائمًا بتطهير محتوى HTML والتحقق من صحته لمنع إدخال تعليمات برمجية ضارة. يجب استخدام التعبيرات العادية فقط على المحتوى الموثوق به.