在伺服器端處理使用者輸入時,去除 HTML 標籤是一項很常見的需求。以下以 ASP 為例,示範如何撰寫一個以正規表達式過濾 HTML 代碼的函式。
程式碼如下:
<%
Option Explicit
Function stripHTML(strHTML)
'Strips the HTML tags from strHTML
Dim objRegExp, strOutput
Set objRegExp = New Regexp
objRegExp.IgnoreCase = True
objRegExp.Global = True
objRegExp.Pattern = "<.+?>"
'Replace all HTML tag matches with the empty string
strOutput = objRegExp.Replace(strHTML, "")
'Replace all < and > with < and >
strOutput = Replace(strOutput, "<", "<")
strOutput = Replace(strOutput, ">", ">")
stripHTML = strOutput 'Return the value of strOutput
Set objRegExp = Nothing
End Function
%>
這個函式的核心在於 objRegExp.Pattern = "<.+?>" 這段規則:它會把角括號之間的內容(也就是 HTML 標籤)比對出來,再將這些比對結果替換為空字串,藉此達到去除標籤的效果。接著,函式會把殘留的 < 與 > 轉義為 HTML 實體,避免它們被瀏覽器誤判為標籤。設定 IgnoreCase 為 True 可忽略大小寫,Global 為 True 則表示比對全部符合的內容,而非僅替換第一個。
下面是一個搭配表單使用的完整範例,讓使用者輸入一段 HTML 字串,並對照檢視「未過濾」與「已過濾」兩種結果:
<form method="post" id=form1 name=form1>
<b>Enter an HTML String:</b><br>
<textarea name="txtHTML" cols="50" rows="8" wrap="virtual"><%=Request("txtHTML")%></textarea>
<p>
<input type="submit" value="Strip HTML Tags!" id=submit1 name=submit1>
</form>
<% if Len(Request("txtHTML")) > 0 then %>
<p><hr><p>
<b><u>View of string <i>with no</i> HTML stripping:</u></b><br>
<xmp>
<%=Request("txtHTML")%>
</xmp><p>
<b><u>View of string <i>with</i> HTML stripping:</u></b><br>
<pre>
<%=StripHTML(Request("txtHTML"))%>
</pre>
<% End If %>
實務上,正規表達式過濾 HTML 是快速而方便的做法,但若要應用在正式環境、面對惡意輸入時,仍需留意其局限——正則難以完整解析巢狀或畸形標籤,因此對安全性要求高的場景,建議搭配專門的 HTML 解析或消毒函式庫一併使用。