从字符串中删除所有的a标签。

Question

我有一个由用户输入的字符串。他们可以添加尽可能多的链接，但我们只希望某些用户能够点击链接。我要做的是将任何a标签替换为其中的纯文本。如果只有一个链接，我已经成功地完成了这个任务，但是当有多个链接时，我无法解决如何处理。

这是我目前所拥有的，并尝试了许多变化来达到这个目标：

url_text = text.split("<a").last.split("</a>").first.split('>').last
text.gsub! /<a.+a>/m, url_text

但它只适用于标签的第一个实例。

我收到的字符串看起来像这样：

text = <div>blah blah blah.<br /><br /></div>\r\n<div><a href=\"http://www.google.com\">Google</a><br />Another link: <br /> <a href=\"http://www.test.com\">Test Link</a><br /><br /></div>"

我希望它能说： 咕噜咕噜咕噜。 谷歌 另一个链接： 测试链接

任何帮助都将不胜感激。如果您需要更多的代码或信息，请告诉我。

- Georgeheap

---

必须...... **不要使用正则表达式解析HTML**。小马儿回家了，但是你编写的代码可能无法正确处理所有边缘情况，并且通常让用户输入任意HTML是一个非常糟糕的主意——这将让你的系统容易受到XSS攻击。 - Tom Lord

一个更好的想法是使用HTML解析器显式地列出特定的HTML标签（也许为不同的用户使用不同的列表），而不是使用正则表达式。https://edgeapi.rubyonrails.org/classes/ActionView/Helpers/SanitizeHelper.html#method-i-sanitize -- 这个方法可能是你所需要的。 - Tom Lord

@TomLord - 很好的观点，这就是我在问，想着一定有更好的方法。只有超级用户才能输入它，并且它来自tinymce，所以他们不会自己添加HTML。 - Georgeheap

使用所见即所得编辑器并不能保护您免受恶意用户的攻击。用户仍然可以在表单中提交任意数据。但是，如果您完全信任用户，那么（与大多数事情一样）安全性就不再是一个问题。 - Tom Lord

Answer 1

你可以使用 strip_tags（用于删除所有标签）或strip_links（仅删除链接）。

在Rails控制台中：

> text = '<div>blah blah blah.<br /><br /></div>\r\n<div><a href=\"http://www.google.com\">Google</a><br />Another link: <br /> <a href=\"http://www.test.com\">Test Link</a><br /><br /></div>'
=> "<div>blah blah blah.<br /><br /></div>\\r\\n<div><a href=\\\"http://www.google.com\\\">Google</a><br />Another link: <br /> <a href=\\\"http://www.test.com\\\">Test Link</a><br /><br /></div>"
> helper.strip_tags(text)
=> "blah blah blah.\\r\\nGoogleAnother link:  Test Link"

- mrzasa

---

我选择了strip_links，因为我想保留其他标签。谢谢！ - Georgeheap

Answer 2

使用Rails助手

ActionView::Base.full_sanitizer.sanitize('text = <div>blah blah blah.<br /><br /></div>\r\n<div><a href=\"http://www.google.com\">Google</a><br />Another link: <br /> <a href=\"http://www.test.com\">Test Link</a><br /><br /></div>"
')

"text = blah blah blah.\\r\\nGoogleAnother link:  Test Link\"\n" 

- NeverBe

---

这也会删除ERB标签和它们之间的任何内容吗？ - zasman

Answer 3

@mrzasa似乎已经破解了，但是如果你想知道为什么正则表达式不起作用，那是因为它太贪婪了。

使用？懒惰操作符意味着扫描尽可能返回最少数量的符合条件的字符。

以下将懒惰操作符添加到搜索中，我相信它可以按照您的意图工作：

text = "<div>blah blah blah.<br /><br /></div>\r\n<div><a href=\"http://www.google.com\">Google</a><br />Another link: <br /> <a href=\"http://www.test.com\">Test Link</a><br /><br /></div><div>blah blah blah.<br /><br /></div>\r\n<div><a href=\"http://www.google.com\">Google</a><br />Another link: <br /> <a href=\"http://www.test.com\">Test Link</a><br /><br /></div>"
text.gsub(/<a.*?>(.+?)<\/a>/, '\1')

# => "<div>blah blah blah.<br /><br /></div>\r\n<div>Google<br />Another link: <br /> Test Link<br /><br /></div><div>blah blah blah.<br /><br /></div>\r\n<div>Google<br />Another link: <br /> Test Link<br /><br /></div>"

gsub 的第二个参数 '\1' 会简单地替换为第一个匹配项。

希望这对您有所帮助，并提供了一种灵活的选项，如果您更愿意使用正则表达式。

- SRack

---

使用有限字符集比懒惰操作符更好：/<a[^>]*>([^<]+)<\/a>/。我在博客文章中进行了描述。 - mrzasa

啊，太好了，谢谢 @mrzasa，感谢您的反馈。我会仔细阅读你的链接，并在将来自己实现。 - SRack

如果您有任何问题，请在Medium上留下评论，我很乐意回答！ - mrzasa

Answer 4

根据文档，strip_tags是ActionView::Helpers::SanitizeHelper模块的一个方法。对我来说，只需要在我的类中包含这个模块，然后就可以像这样使用它的方法：

strip_tags(your_text_with_html)

- tacia_2019