HTML批量删除script标签及内容的安全方法

胖宇吖_9130

胖宇吖_9130

2026-11-23

478人浏览

原创

应使用 DOMParser 解析 HTML 后调用 remove() 删除 script 标签,避免正则替换;必须指定 'text/html' 模式,确保正确解析;删除后用 doc.documentElement.outerHTML 获取结果。

html批量删除script标签及内容的安全方法

用 DOMParser + remove() 最简安全删除 script 标签

直接字符串替换或正则删 <script></script> 是危险的,会漏掉嵌套注释、CDATA、换行异常或自闭合变体(如 <script></script>)。DOM 解析才是唯一可靠路径。现代浏览器中,DOMParser 配合 remove() 是最轻量且语义正确的做法。

关键点:它真正移除节点及其全部子内容,不残留任何文本或事件处理器。

  • 必须用 text/html 模式解析,否则 script 内容可能被当成纯文本保留
  • querySelectorAll('script') 返回的是实时 NodeList,可直接 forEach 调用 remove()
  • 不要用 innerHTML 回写——那会触发二次解析,可能复活被删的脚本
  • 若需返回字符串,用 doc.body.innerHTML(前提是原始 HTML 有 body)或 doc.documentElement.outerHTML
const parser = new DOMParser();
const doc = parser.parseFromString(html, 'text/html');
doc.querySelectorAll('script').forEach(el => el.remove());
return doc.documentElement.outerHTML;

PHP 后端用 DOMDocument 删除 script 更稳妥

前端 JS 方法无法防御服务端注入,真实业务中 script 清理必须在后端完成。PHP 的 DOMDocument 是成熟、可控的选择,比正则或 strip_tags() 安全得多。

注意:strip_tags() 不解析 DOM,对 <script src="x"></script> 或带事件属性的标签完全无效;而 DOMDocument 能准确识别并移除整个节点树。

  • 加载时加 @ 抑制解析警告,避免 malformed HTML 中断流程
  • 必须调用 $dom->getElementsByTagName('script') 获取集合,再逆序遍历 removeChild()(因 HTMLCollection 是实时的)
  • 若同时要删 style、iframe,复用同一循环,避免多次遍历
  • 最后用 $dom->saveHTML() 输出,别用 saveXML(),否则会多出 XML 声明
$dom = new DOMDocument();
@$dom->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
$scripts = $dom->getElementsByTagName('script');
for ($i = $scripts->length - 1; $i >= 0; $i--) {
    $scripts[$i]->parentNode->removeChild($scripts[$i]);
}
return $dom->saveHTML();

别碰 Sanitizer.dropElements —— 当前浏览器支持太烂

Sanitizer API 的 dropElements: ['script'] 看似简洁,但实际行为和兼容性让它完全不可用。

htmlq 命令行 HTML 内容提取器,支持 CSS 选择器
htmlq 命令行 HTML 内容提取器,支持 CSS 选择器

htmlq 是一个命令行工具,使用 CSS 选择器从 HTML 中提取内容,相当于 jq 的 HTML 版本。该工具使用 Rust 编写,允许你通过 CSS 选择器将 HTML 管道化,直接从终端提取文本、属性和结构化内容。

下载

Chromium 123+ 才支持,且文档明确写清:“removes the element’s tags but keeps its children”。这意味着 <script>alert(1)</script> 会变成 alert(1),直接暴露在 HTML 文本中,可能被后续 JS 执行或引向 XSS。

  • Firefox 和 Safari 完全不支持 Sanitizer,降级逻辑必须手写,等于没省事
  • 即使 Chromium 下,dropElements 对 <script type="module"></script> 或带 async/defer 的情况无特殊处理
  • 它不校验子节点是否含危险内容(比如内联 onerror),也不阻止 document.write() 动态插入

Python 爬虫用 w3lib.remove_tags_with_content 最省心

如果你在做数据采集,目标是拿到“干净正文”,w3lib.html.remove_tags_with_content() 是专为此设计的函数,比手动调 lxml 或 BeautifulSoup 更直接。

它不是只删标签,而是递归删除标签及其全部后代节点,包括文本、子元素、注释,不留尾巴。

  • 参数 which_ones=('script', 'style', 'iframe') 可一次清除多类干扰标签
  • 不依赖正则,内部用 HTML 解析器,能正确处理 CDATA、注释包裹、嵌套结构
  • 对编码敏感,传入 bytes 时需指定 encoding;传入 str 则默认 UTF-8
  • 注意:它不处理 script 标签内的 JS 字符串转义,所以仍需防范 document.write('<script>...</script>') 这类动态注入
from w3lib.html import remove_tags_with_content
clean_html = remove_tags_with_content(html, which_ones=('script', 'style'))

真正麻烦的从来不是删标签本身,而是删完之后要不要保留其文本内容、是否影响后续 DOM 构建、以及不同环境间的行为一致性。DOM 解析是底线,跨平台时优先选语言原生方案,别迷信新 API 的名字。

前端入门到VUE实战笔记:立即使用
在学习笔记中,你将探索 前端 的入门与实战技巧!

相关文章

HTML速学教程(入门课程)
HTML速学教程(入门课程)

HTML怎么学习?HTML怎么入门?HTML在哪学?HTML怎么学才快?不用担心,这里为大家提供了HTML速学教程(入门课程),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

html批量删除 html

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
html版权符号
html版权符号

html版权符号是“©”,可以在html源文件中直接输入或者从word中复制粘贴过来,php中文网还为大家带来html的相关下载资源、相关课程以及相关文章等内容,供大家免费下载使用。

2023.06.14

8015

7

html在线编辑器
html在线编辑器

html在线编辑器是用于在线编辑的工具,编辑的内容是基于HTML的文档。它经常被应用于留言板留言、论坛发贴、Blog编写日志或等需要用户输入普通HTML的地方,是Web应用的常用模块之一。php中文网为大家带来了html在线编辑器的相关教程、以及相关文章等内容,供大家免费下载使用。

2023.06.21

4372

4

html网页制作
html网页制作

html网页制作是指使用超文本标记语言来设计和创建网页的过程,html是一种标记语言,它使用标记来描述文档结构和语义,并定义了网页中的各种元素和内容的呈现方式。本专题为大家提供html网页制作的相关的文章、下载、课程内容,供大家免费下载体验。

2023.07.31

4030

5

html空格
html空格

html空格是一种用于在网页中添加间隔和对齐文本的特殊字符,被用于在网页中插入额外的空间,以改变元素之间的排列和对齐方式。本专题为大家提供html空格的相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.01

4059

5

html是什么
html是什么

HTML是一种标准标记语言,用于创建和呈现网页的结构和内容,是互联网发展的基石,为网页开发提供了丰富的功能和灵活性。本专题为大家提供html相关的各种文章、以及下载和课程。

2023.08.11

5419

6

html字体大小怎么设置
html字体大小怎么设置

在网页设计中,字体大小的选择是至关重要的。合理的字体大小不仅可以提升网页的可读性,还能够影响用户对网页整体布局的感知。php中文网将介绍一些常用的方法和技巧,帮助您在HTML中设置合适的字体大小。

2023.08.11

3981

3

html转txt
html转txt

html转txt的方法有使用文本编辑器、使用在线转换工具和使用Python编程。本专题为大家提供html转txt相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.31

3789

3

html文本框代码怎么写
html文本框代码怎么写

html文本框代码:1、单行文本框【<input type="text" style="height:..;width:..;" />】;2、多行文本框【textarea style=";height:;"></textare】。

2023.09.01

3248

6

HTML嵌入CSS样式的方法
HTML嵌入CSS样式的方法

HTML嵌入CSS样式的方法有内联样式、内部样式表和外部样式表。本专题为大家提供CSS样式相关的文章、下载、课程内容,供大家免费下载体验。

2023.09.20

3468

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
GDB 17.2 官方文档集合
GDB 17.2 官方文档集合

共0课时 | 0人学习

Bootstrap 入门安装配置
Bootstrap 入门安装配置

共0课时 | 0人学习

38+ PhpStorm 提示和技巧
38+ PhpStorm 提示和技巧

共1课时 | 248人学习