最好用python lib来清理标记（不安全），并保留我认为不安全的标记

Question

例：我想清除“脚本”标签，但我想保留“a”标签

所以你用什么来做这个。你知道吗

我使用jquerycleditor作为所见即所得的HTML编辑器，它能自动为我做到这一点吗？你知道吗

谢谢

Answer 1

我想BeautifulSoup应该能做到。你知道吗

事实上，这里有一个问题+答案正是关于这个：Python HTML sanitizer / scrubber / filter

Answer 2

我必须为我的一个项目自动完成这个任务。我找到的解决方案是使用Beautiful Soup模块来提取脚本标记（我也为样式和表单这样做）。你知道吗

soup = BeautifulSoup(html_string, convertEntities=BeautifulSoup.HTML_ENTITIES)

scripts = soup.findAll('script')   # find and return a list of 'script' entities
for s in scripts:
    s.extract()   # remove it from the DOM completely

然后，您可以打印出BeautifulSoup或保存html。你知道吗

Answer 3

另一个为消毒而设计的选项是html5lib。你知道吗

无论你做什么，都不要依赖编辑器组件来完成：它运行在客户端上，因此很容易被操纵来提交无效或恶意的HTML！你知道吗