Question

asp.net c# 过滤 html编辑器内容

类似文章发布系统，要过滤用在html编辑器里面编辑的内容，去掉超链接，script 之类的， 只保留文章 排版样式

Answer 1

Asp.net中如何过滤html,js,css代码
以下为引用的内容：

#region/// 过滤html,js,css代码
/// <summary>
/// 过滤html,js,css代码
/// </summary>
/// <param name="html">参数传入</param>
/// <returns></returns>
public static string CheckStr(string html)
{
System.Text.RegularExpressions.Regex regex1 = new System.Text.RegularExpressions.Regex(@"<script[\s\S]+</script *>", System.Text.RegularExpressions.RegexOptions.IgnoreCase);
System.Text.RegularExpressions.Regex regex2 = new System.Text.RegularExpressions.Regex(@" href *= *[\s\S]*script *:", System.Text.RegularExpressions.RegexOptions.IgnoreCase);
System.Text.RegularExpressions.Regex regex3 = new System.Text.RegularExpressions.Regex(@" no[\s\S]*=", System.Text.RegularExpressions.RegexOptions.IgnoreCase);
System.Text.RegularExpressions.Regex regex4 = new System.Text.RegularExpressions.Regex(@"<iframe[\s\S]+</iframe *>", System.Text.RegularExpressions.RegexOptions.IgnoreCase);
System.Text.RegularExpressions.Regex regex5 = new System.Text.RegularExpressions.Regex(@"<frameset[\s\S]+</frameset *>", System.Text.RegularExpressions.RegexOptions.IgnoreCase);
System.Text.RegularExpressions.Regex regex6 = new System.Text.RegularExpressions.Regex(@"\<img[^\>]+\>", System.Text.RegularExpressions.RegexOptions.IgnoreCase);
System.Text.RegularExpressions.Regex regex7 = new System.Text.RegularExpressions.Regex(@"</p>", System.Text.RegularExpressions.RegexOptions.IgnoreCase);
System.Text.RegularExpressions.Regex regex8 = new System.Text.RegularExpressions.Regex(@"<p>", System.Text.RegularExpressions.RegexOptions.IgnoreCase);
System.Text.RegularExpressions.Regex regex9 = new System.Text.RegularExpressions.Regex(@"<[^>]*>", System.Text.RegularExpressions.RegexOptions.IgnoreCase);
html = regex1.Replace(html, ""); //过滤<script></script>标记
html = regex2.Replace(html, ""); //过滤href=javascript: (<A>) 属性
html = regex3.Replace(html, " _disibledevent="); //过滤其它控件的on...事件
html = regex4.Replace(html, ""); //过滤iframe
html = regex5.Replace(html, ""); //过滤frameset
html = regex6.Replace(html, ""); //过滤frameset
html = regex7.Replace(html, ""); //过滤frameset
html = regex8.Replace(html, ""); //过滤frameset
html = regex9.Replace(html, "");
html = html.Replace(" ", "");
html = html.Replace("</strong>", "");
html = html.Replace("<strong>", "");
return html;
}
#endregion
#region /// 过滤p /p代码
/// <summary>
/// 过滤p /p代码
/// </summary>
/// <param name="html">参数传入</param>
/// <returns></returns>
public static string InputStr(string html)
{
html = html.Replace(@"\<img[^\>]+\>", "");
html = html.Replace(@"<p>", "");
html = html.Replace(@"</p>", "");
return html;
}
#endregion

Answer 2

正则表达式
"<a[^>]*?>" ：表示匹配<a ...>一个尖括号的东西
"</a>" ：表示匹配</a> 下面scrip也一样

由于script里面的代码是不要的,可以只写一个正则：
"<script[\s\S]*?</script>"
再Replace空

例:
Regex reg = new Regex(@"<a[^>]*?>" );
MatchCollection mc = reg.Matches(html); //html就是编辑器里的内容，得到mc就是匹配到的所有<a...>的数组集合
foreach (Match m in mc)
{
string s=m.tostring();
html. Replace(s,"");
}
//代码没有调试过，思路就是这样了,正则式也不太确定，我也不太会，先试试吧

Answer 3

我提供个思路你参考一下，PHP 里面是有相应的函数可以直接过滤的，我不知道ASP里面有没有，
如果没有你可以这么做，文章里面的HTML元素都是放在<>尖括号里面的，这样的话从数据库放到页面上可能会被识别成有危害的HTML元素比如SCRIPT造成危害，你可以在数据存入数据库的时候写个函数 用HTML 实体符号，比如& lt ; & gt ; (前面的实体符号中间有空格，百度也过滤了)
把尖括号替换掉，这样就在页面就不会被是被成HTML的元素了！

追问

　　我要保存用户提交的html源码，但是从中过滤危险的，我自己尝试着写了个正则替换的，亲，帮我看看还有什么标签要补充的~

追答

ASP 我不是很懂，但方法和PHP想通的，你只要把尖括号替换掉，HTML元素就会失效了，我在PHP里面就是这么做的! 你试试，其他的就是过滤敏感字了，比如领导人的名字什么的，这个数据量大的话，要用数据库了

HTML 实体就那么几个，不用正则也可以，VB好像有个replace，你用这个把尖括号替换成

后面的实体符号看看能达到效果不！

追问

我不是需要这个~~ 亲， 我要的是我response.Write出来的时候能保留原来的格式，但是去掉了危险的代码

追答

看来你还是不明白 HTML 实体的意义，算了，我不解释了

追问

我知道你说的是什么，但是我要的只是过滤A SCRIPT 元素 ONCLICK之类的 form 之类的 可能会存在危险的代码， 不是转义html

Answer 4

正则表达式
"<a[^>]*?>" ：表示匹配<a ...>一个尖括号的东西
"</a>" ：表示匹配</a> 下面scrip也一样

由于script里面的代码是不要的,可以只写一个正则：
"<script[\s\S]*?</script>"
再Replace空

例:
Regex reg = new Regex(@"<a[^>]*?>" );
MatchCollection mc = reg.Matches(html); //html就是编辑器里的内容，得到mc就是匹配到的所有<a...>的数组集合
foreach (Match m in mc)
{
string s=m.tostring();
html. Replace(s,"");
}

Answer 5

正则表达式：
1. "<a[^>]*?>" ：表示匹配<a ...>一个尖括号的东西
2. "</a>" ：表示匹配</a> 下面scrip也一样

由于script里面的代码是不要的,可以只写一个正则：
"<script[\s\S]*?></script>"
再Replace空

参考例子:
Regex reg = new Regex(@"<a[^>]*?>" );
MatchCollection mc = reg.Matches(html); //html就是编辑器里的内容，得到mc就是匹配到的所有<a...>的数组集合
foreach (Match m in mc)
{
string s=m.tostring();
html. Replace(s,"");
}

Answer 6

通过HtmlAgilityPack这个组件可以取得所有的HTML控件。然后查找所有的ON事件和javascript:;值之类的就可以了。

具体你可以去找一下大象半生鱼的方法