Очистка HTML на PHP: Функция для удаления лишних данных и защиты контента

13.10.2024
md2
0 отзывов

Функция `clean_html` на PHP разработана для очистки HTML-кода от ненужных и опасных элементов. Это решение защищает контент от вредоносных данных, удаляет конфиденциальные данные, такие как email-адреса и телефоны, и приводит разметку к единообразному формату для корректного отображения.

Зачем нужна очистка HTML?

При работе с пользовательским контентом или данными из внешних источников можно столкнуться с рисками:

Инъекции вредоносного кода — например, XSS-атаки.
Утечка личной информации — адреса электронной почты и номера телефонов.
Некорректное отображение из-за лишних или ошибочных тегов.

Функция clean_html($html) поможет минимизировать эти риски и упростит управление HTML-кодом.

Как работает функция clean_html?


function clean_html($html) {
    // Исправленное регулярное выражение для удаления адресов электронной почты
    $html = preg_replace('/\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b/', '', $html);

    // Удаляем все теги, кроме указанных, и убираем стили у разрешённых тегов
    $html = preg_replace_callback(
        '/<(?!(\/?(b|i|u|ul|ol|li|p|br)))[^>]*>/i',
        function($matches) {
            return ''; // Убираем неразрешённые теги
        },
        $html
    );

    // Убираем стили у разрешённых тегов
    $html = preg_replace('/<(b|i|u|ul|ol|li|p|br)\b[^>]*>/i', '<$1>', $html);

    // Заменяем <br> и <br > на <br />
    $html = preg_replace('/<br\s*\/?>/i', '<br />', $html);

    // Удаляем ссылки
    $html = preg_replace('/<a\s+[^>]*href="[^"]*"[^>]*>.*?<\/a>/i', '', $html);

    // Убираем ссылки на домены популярных TLD
    $html = preg_replace(
        '/\b(?:https?:\/\/)?(?:www\.)?([a-zA-Z0-9-]+\.(?:com|ru|net|org|info|biz|co\.uk|io|me|tv))\b/i',
        '', 
        $html
    );

    // Удаляем пустые <p> внутри списков <ul> и <ol>
    $html = preg_replace('/<p[^>]*>\s*<\/p[^>]*>\s*<ul[^>]*>/i', '<ul>', $html);
    $html = preg_replace('/<p[^>]*>\s*<\/p[^>]*>\s*<ol[^>]*>/i', '<ol>', $html);

    // Удаляем номера телефонов в разных форматах
    $html = preg_replace(
        '/(?:\+7|8)?[ -]?\(?[0-9]{3}\)?[ -]?[0-9]{3}[ -]?[0-9]{2}[ -]?[0-9]{2}/',
        '', 
        $html
    );

    // Удаляем пустые <p> без содержимого
    $html = preg_replace('/<p[^>]*>\s*<\/p>/', '', $html);

    // Заменяем переносы строки на <br />
    $html = str_replace(PHP_EOL, '<br />', $html);

    // Удаляем дублирующиеся закрывающие теги </p></p>
    $html = preg_replace('#</p>\s*</p>#', '</p>', $html);

    // Возвращаем очищенный HTML
    return $html;
}

Преимущества использования clean_html

Безопасность: Удаляет потенциально опасные элементы и защищает от XSS-атак.
Чистая разметка: Удаляет все ненужные теги и атрибуты, оставляя только безопасные элементы.
Конфиденциальность: Убирает контакты и ссылки, защищая данные пользователей.
Единый стандарт: Приводит HTML к единому формату, что упрощает поддержку и улучшает совместимость.

Когда использовать функцию clean_html?

Функция будет полезна в следующих случаях:

Комментарии и формы обратной связи — для фильтрации пользовательского контента.
Новости и статьи — для очистки данных из внешних источников перед публикацией.
Динамический контент — при работе с API или приёмом данных из других систем.

Вот пример применения функции clean_html в контексте обработки данных, получаемых от пользователей через веб-форму. Мы рассмотрим, как использовать эту функцию для очистки HTML-кода перед его сохранением в базу данных.

Пример использования функции `clean_html`

Предположим, у нас есть форма на сайте, где пользователи могут оставлять комментарии. После отправки формы мы хотим очистить текст комментария от нежелательных элементов, чтобы предотвратить возможные уязвимости и обеспечить безопасность данных.


<?php
// Подключаем файл с функцией clean_html
include 'path/to/your/clean_html.php';

// Проверяем, был ли отправлен комментарий
if ($_SERVER["REQUEST_METHOD"] === "POST") {
    // Получаем текст комментария из POST-запроса
    $comment = $_POST['comment'];

    // Очищаем комментарий с помощью функции clean_html
    $cleaned_comment = clean_html($comment);

    // Здесь вы можете сохранить очищенный комментарий в базу данных
    // Например, с использованием PDO:
    try {
        $pdo = new PDO('mysql:host=localhost;dbname=your_database', 'username', 'password');
        $pdo->setAttribute(PDO::ATTR_ERRMODE, PDO::ERRMODE_EXCEPTION);

        $stmt = $pdo->prepare("INSERT INTO comments (content) VALUES (:content)");
        $stmt->bindParam(':content', $cleaned_comment);
        $stmt->execute();

        echo "Комментарий успешно добавлен!";
    } catch (PDOException $e) {
        echo "Ошибка: " . $e->getMessage();
    }
}
?>

<!-- HTML форма для ввода комментария -->
<form method="post" action="">
    <textarea name="comment" rows="5" cols="40" placeholder="Введите ваш комментарий..."></textarea><br>
    <input type="submit" value="Отправить">
</form>

Функция clean_html на PHP — это простой и эффективный способ защиты и стандартизации HTML-кода. Она удаляет лишние данные, сохраняет важные теги и защищает пользователей от потенциальных угроз. Используйте эту функцию для улучшения безопасности и удобства работы с вашим контентом.

Отзывы (0)

Теги: очистка html, php, защита контента, регулярные выражения, XSS-атаки, безопасность, обработка данных, веб-разработка