【PHP】富文本HTML过滤器：HTMLPurifier使用教程（防止XSS）

在编程开发时安全问题是及其重要的，对于用户提交的数据要进行过滤，XSS就是需要重视的一点，先说一下什么是XSS，简单来说就是用户提交数据（例如发 表评论，发表日志）时往Web页面里插入恶意javascript代码例如死循环，疯狂的alert，这还不算还可能会修改页面页面上的html元素（例 如登录表单的action），这样当用户浏览该页之时，嵌入其中Web里面的代码会被执行，从而达到用户的特殊目的。

在使用PHP开发时，可以使用htmlspecialchars将用户提交过来的数据转换使之原样显示，但是这样一来会造成一些弊端，比如用户上传的图片 无法显示，html标签不会起作用，没有任何样式。解决方案就是可以使用UBB标签或者自定义标签来实现，要么就是自己写正则去过滤，但是防不胜防，并且 这样在处理起来有些繁琐。下载重点介绍一个开源的HTMLPurifier，这是一个符合W3C标准的HTML过滤器，可以生成标准的HTML代码，并且 有很多的自定义配置，我更关注的是可以过滤掉javascript代码，有效的防止XSS！

安装

使用composer安装

> composer require ezyang/htmlpurifier
Using version ^4.9 for ezyang/htmlpurifier
./composer.json has been updated
Loading composer repositories with package information
Updating dependencies (including require-dev)
  - Installing ezyang/htmlpurifier (v4.9.3)
    Downloading: 100%

Writing lock file
Generating autoload files

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10

然后将vendor/autoload.php 引入项目中，即可使用

用法

        $dirty_html=<<<EOF
<h1>Hello
<script>alert("world");</script>
EOF;
        $config = \HTMLPurifier_Config::createDefault();
        $purifier = new \HTMLPurifier($config);
        $clean_html = $purifier->purify($dirty_html);
        dump($clean_html);

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

输出结果如下：

<h1>Hello
</h1>

• 1
• 2

过滤了XSS代码，过滤规则： 
http://htmlpurifier.org/live/smoketests/xssAttacks.php

自动填充了残缺的标签

使用配置

$config = \HTMLPurifier_Config::createDefault();
// something....
$purifier = new \HTMLPurifier($config);  

• 1
• 2
• 3

例如

    function actionHtmlpurifer()
    {
        $dirty_html=<<<EOF
<h1><a href="http://www.baidu.com">Hello</a>
<script>alert("world");</script>
EOF;
        $config = \HTMLPurifier_Config::createDefault();
        //$config->set('HTML.Allowed', '');//过滤掉所有的HTML标签
        //输出 Hello
        $config->set('HTML.Allowed', 'h1,a[href]');//保留超链接标签a及其href链接地址属性，还有h1标签
        $config->set('HTML.TargetBlank', true);//并自动添加target属性值为’_blank’
        //输出<h1><a href="http://www.baidu.com" target="_blank" rel="noreferrer noopener">Hello</a></h1>
        $purifier = new \HTMLPurifier($config);
        $clean_html = $purifier->purify($dirty_html);
        dump($clean_html);
    }

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16

// 让文本自动添加段落标签，前提是必须允许P标签的使用
$config->set('HTML.Allowed', 'p');
$config->set('AutoFormat.AutoParagraph', true);
// 清除空标签
$config->set('AutoFormat.RemoveEmpty', true);

• 1
• 2
• 3
• 4
• 5

详细的配置规则：http://htmlpurifier.org/live/configdoc/plain.html