如何过滤除特定白名单之外的所有HTML标签？

  • Z时代
  • 2024-01-10
  • 分类：问答

这是用于.NET。设置了IgnoreCase，未设置MultiLine。

通常我在正则表达式方面很体面，也许我的咖啡因含量低…

允许用户输入HTML编码的实体（<lt;，<amp;等），并使用以下HTML标签：

u, i, b, h3, h4, br, a, img

允许自动关闭和，带有或不带有额外的空间，但不是必需的。

我想要：

  1. 除去上面列出的那些标记之外的所有开始和结束HTML标记。

  2. 从其余标签中删除属性， 但 锚点可以具有href。

到目前为止，我的搜索模式（替换为空字符串）：

<(?!i|b|h3|h4|a|img|/i|/b|/h3|/h4|/a|/img)[^>]+>

除了开始和结束标签，这 似乎 正在剥离所有标签，但是存在三个问题：

  1. 必须包含每个允许标签的结束标签版本是很丑陋的。

  2. 属性得以保留。可以一次更换吗？

  3. 标签 开始 允许的标签名漏网之鱼。例如，“ ”和“