正则表达式禁止 HTML 标签？ [复制]答案

【问题标题】：Regex to disallow HTML tags? [duplicate]正则表达式禁止 HTML 标签？ [复制]
【发布时间】：2011-05-04 18:41:30
【问题描述】：

我需要一个允许除 HTML 标记之外的任何内容的正则表达式。这里的诀窍是允许字符，但它们之间不能有文本（但其他字符也可以）。

允许以下：

hello world
!@$%^&*()_+'":;[]{}()\|#
<<<<<<<
>>>>>
<>
><
<087>
<-->

以下不允许

<html>
<a>
<foo>
<bar>

我尝试了几种表达方式，但都没有成功。事实证明这比起初看起来要困难得多（无论如何对我来说：P）

编辑：基本上，任何内容都是允许的，除了：< 和 > 字符之间的 A-Z 和 a-z。

【问题讨论】：

“出乎意料地比起初看起来更难” - 这是有原因的。请在RegEx match open tags except XHTML self-contained tags 上查看已接受的答案
什么语言？如果是 PHP，我会将您的字符串与 strip_tags(your_string) 进行比较。最难的部分不是写正则表达式，而是写下每一个可能的标签。

标签： html regex

【解决方案1】：

令人震惊的是，既然您描述了您的用例，听起来正则表达式实际上可以在这里工作：您需要防止 <SomeTextHere> 在没有任何位置限制的情况下出现，当然无需担心关于递归。以下正则表达式将与您想要的相反：<[A-Za-z]+>（如果您不允许<>，请将+ 更改为*）。这将匹配出现此类文本的任何地方；我建议将逻辑放在语言中（例如，if (!/<[A-Za-z]+>/) { do_something() }）。如果您在正则表达式中需要它，并且您的语言支持这样的东西，您可以使用否定的前瞻断言：^(?!.*<[A-Za-z]+>)。这表示“如果我无法找到 ((?!...)) 给定文本，则匹配字符串的开头 (^)，但匹配的字符串将不包含任何字符。

【讨论】：

【解决方案2】：

如果您这样做是为了防止网站上的 HTML 注入，那么更好的解决方案是在将 HTML 特殊字符发送到浏览器之前对其进行转义。大多数 Web 开发环境/库都会有一个标准函数来执行此操作，例如 PHP 有 htmlentities 和 htmlspecialchars 函数。

【讨论】：

+1 我必须同意正确转义比尝试删除危险文本更好。
是的。试图删除“危险”的东西是错误的方法。如果您以后需要将用户输入存储在 SQL 数据库中，您还会尝试去掉引号吗？逃避是要走的路。
我这样做不是为了防止注入，我这样做是因为我们调用的网络服务不允许（出于某种原因）两个尖括号之间的文本。
@Chris Barr：请把它放在你的问题中！否则，听起来您正在尝试解决一个非常不同（且不可能）的任务。