logo标签列表

智能HTML编码

c#.nethtmlxmlencoding
3

我正在寻找一种最佳的方法来进行某种“智能”HTML编码。 例如：

From: <a>Next >></a> to: <a>Next gt;gt;</a>
From: <p><a><b><< Prev</b></a><br/><a>Next >></a></p> to: <p><a><b>&lt;&lt; Prev</b></a><br/><a>Next gt;gt;</a></p>

因此，只有文本中非XML / HTML部分会被编码，就像调用HtmlEncode一样。

有什么建议吗？

编辑：这应该尽可能轻量级。输入的文本将来自没有HTML编码知识的用户。

2
明智的做法是"编写HTML"或"编写纯文本" - 试图启发式地确定字符串的哪些部分是HTML，哪些部分是使用HTML中具有特殊含义的字符的文本实际上是非常困难的（并且可能不可能以100％的可靠性进行）。 - Quentin
是的，我不是在寻找完美的解决方案。问题在于用户将有选择地插入一些带有HTML标签的文本。但是他们习惯于插入一些不是HTML的内容，如>>。因此，我必须尝试确保最终内容是正确的。很难向用户解释他们应该使用>和<。 - Drejc
5个回答
6

是的：永远不要将HTML写入您的源代码中。相反，使用像DOM这样的API来处理所有编码问题。

当然，如果这个内容已经存在且您无法更改生成器，则只能尝试自己操纵内容。您可能想尝试某种形式的词汇分析。但是，请务必不要使用正则表达式进行尝试。至少，如果您想保持理智的话。 - Xetius
2
如果您想要一个坚实且非常可靠的 C# 解决方案（但是比较重），那么我建议您使用HTML Agility Pack 库。然后，您可以遍历节点并对内容进行 HTML 编码。这比正则表达式更加牢固，但显然更加强烈。
如果您想要在客户端进行操作，则可以使用 JQuery。请参见使用 jQuery 对 HTML 实体进行编码。
0

你可能正在尝试解决错误的问题。（我知道这不是你想听到的。）

如果允许用户在HTML中编写未编码的>>和<<，那么他们也可以编写<>或<b>，在这种情况下，您无法可靠地区分文本和标记。（更不用说这使您容易受到XSS攻击。）

您真的需要拦截文本并在其插入HTML之前进行编码。可能您应该解释一下导致问题的工作流程。肯定有更好的方法来解决它。

根据评论编辑：没有可靠的方法来对既可以是文本又可以是HTML的输入进行编码。无论如何，如果用户足够技术，能够输入原始HTML，则他们应该能够编写实体 - 否则，他们首先不应该输入原始HTML。如果HTML输入仅供高级用户使用，则可以有一个复选框，指示输入是文本还是HTML。但您可能应该考虑使用富文本编辑器。

问题是我有一个功能请求，允许输入HTML标记来格式化文本。但是以前文本总是编码的，用户习惯于在字段中写入非HTML文本。现在我知道会有一些输入，我已经给出了一个例子。为了防止它破坏XML，我正在寻找一种“修复”它的方法。拦截输入不是一个选项，因为我无法控制它。 - Drejc
@Drejc：你应该把这个信息添加到原始问题中。 - JacquesB
0

你有没有考虑使用tidy.net？你可以把用户输入放进去，看看它能生成什么。它非常非常非常好，可以把垃圾变成你真正想要的东西。我相信它是一个DLL和所有托管代码，所以你可以很容易地将其添加进去。

至于不使用正则表达式的问题，我不同意。如果数据是有限的（你没有说它是否有限），那么你可以制定一些规则来尝试验证你的输入字符串，如果不能清理它，至少也可以验证它。不过我怀疑你的数据可能是任何东西，这种情况下最好使用其他东西，但不应完全排除正则表达式。

-4
试图使用正则表达式来解析非规则数据并不是最好的方法。最好的方法是直接操作DOM，这已经被提出了。 - Xetius
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接