Парсинг статьи с пробелами?

[liveCreature]

Здравствуйте. Изначально парсил статьи атрибутом innerhtml. Но понял что это небезопасно. Если донор вставит свои скрипты в посты данного атрибута innerhtml, то сайт можно легко взломать или нанести какой то вред.

Начал использовать безопасный innertext. Но появилась проблема. Он не сохраняет пробелы. Как это можно исправить?

 

[Sergodjan]

Здравствуйте. Изначально парсил статьи атрибутом innerhtml. Но понял что это небезопасно. Если донор вставит свои скрипты в посты данного атрибута innerhtml, то сайт можно легко взломать или нанести какой то вред.

Начал использовать безопасный innertext. Но появилась проблема. Он не сохраняет пробелы. Как это можно исправить?

Мало вводной информации..
Урл такой статьи приведите, тогда вам быстро помогут.

 

[liveCreature]

Мало вводной информации..
Урл такой статьи приведите, тогда вам быстро помогут.

Например: https://nnmclub.to/forum/viewtopic.php?t=1224766

 

[Mikhail B.]

В рф сайт этот не работает.
Торрент свой замутить решил?))

 

[liveCreature]

В рф сайт этот не работает.
Торрент свой замутить решил?))

Да нет. Просто удобно от туда цеплять нужные статьи. Там наибольший контингент на эту тему.
Но я беру через html, а если админ зашьёт туда скрипт волшебный, то я потяну и скрипт. И тогда уже будет опасно.
А через text пробелы не сохраняется, получается сплошной нечитабельный текст.

 

[etyipin]

Так если ты знаешь в чем может быть проблема, то почему бы не взять innerhtml, а в пост обработке просто почистить его от скриптов?

 

[liveCreature]

Так если ты знаешь в чем может быть проблема, то почему бы не взять innerhtml, а в пост обработке просто почистить его от скриптов?

В том том то и делаю что не знаю, не программист и не кодер. Знаю что есть варианты взлома если залить на сайт шелл или иной код, кто в этом разбирается понимает. И как раз через html это легко сделать.
По поводу постобработки да, то что нужно. Но я никогда этим не занимался. Есть онлайн сервисы с функционалом? Или нечто встроено в зено? Или делать уже на своём сайте?

 

[Sergodjan]

По поводу постобработки да, то что нужно. Но я никогда этим не занимался. Есть онлайн сервисы с функционалом? Или нечто встроено в зено? Или делать уже на своём сайте?

Попробуйте продолжать брать innerhtml, но через Обработка текста - Замена (Regex) регуляркой <[^>]+>
заменять все html-теги и скрипты на пустоту или пробел в виде макроса {-String.Space-}

 

[liveCreature]

Попробуйте продолжать брать innerhtml, но через Обработка текста - Замена (Regex) регуляркой <[^>]+>
заменять все html-теги и скрипты на пустоту или пробел в виде макроса {-String.Space-}

Блин а можно пример маленький
Я так понимаю, сначала беру html (стандартно). Потом через кубик делаю замену всех тегов и скриптов на пустоту. Шото...

 

[Sergodjan]

Блин а можно пример маленький
Я так понимаю, сначала беру html (стандартно). Потом через кубик делаю замену всех тегов и скриптов на пустоту. Шото...

Да, именно так.

 

[liveCreature]

Да, именно так.

Всё получилось. Удалилось всё включая пробелы, получился сплошной текст как в атрибуте innertext.
А вот как сохранить пробелы для читабельности текста, пока не понял. То-есть нужно сохранять теги:

<br>

 

[etyipin]

Всё получилось. Удалилось всё включая пробелы, получился сплошной текст как в атрибуте innertext.
А вот как сохранить пробелы для читабельности текста, пока не понял. То-есть нужно сохранять теги:

<br>

Сразу делай замену <br> на {-String.Enter-}, а уже потом удаляй лишние теги

 

[liveCreature]

Хотя я думаю если заменить все теги br на

[br]

И на сайте сделать бб код br. То всё должно получится, вроде.

 

[liveCreature]

Сразу делай замену <br> на {-String.Enter-}, а уже потом удаляй лишние теги

Спасибо. Так наверное правильней. Всё получилось. Дальше делаю:

<[^>]+>

И все пробелы стираются. Видимо нужна другая регулярка.

 

[liveCreature]

Всё работает. Я не так переменные вставил. Спасибо всем за помощь!
Остался последний вопрос. Вот мы отфильтровали весь "вредоносный" код. С помощью регулярки возможно оставить тег <a, <img (сохранить картинки в тексте и ссылки)?

 

[Sergodjan]

Всё работает. Я не так переменные вставил. Спасибо всем за помощь!
Остался последний вопрос. Вот мы отфильтровали весь "вредоносный" код. С помощью регулярки возможно оставить тег <a, <img (сохранить картинки в тексте и ссылки)?

Регулярка:

<(?!p|/p|br|img).*?>

находит все теги, кроме <p></p><br><img ...>
Можете ее под себя поправить, убрать лишние варианты, которые идут через оператор или "|" или добавить новые варианты тегов.
Работает тоже через Замену..

 

[liveCreature]

Регулярка:

<(?!p|/p|br|img).*?>

находит все теги, кроме <p></p><br><img ...>
Можете ее под себя поправить, убрать лишние варианты, которые идут через оператор или "|" или добавить новые варианты тегов.
Работает тоже через Замену..

Спасибо! Всё легко и понятно стало

 

[liveCreature]

Доделал проект. Теперь всё легитимно можно сказать
Вот такие теги оставил на пост обработке:

<(?!p|/p|br|a|/a|img|/img|span|/span|ul|/ul|ol|/ol|li|/li|b|/b|i|/i|u|/u).*?>

Старался оставлять теги только под оформление. Но за незнанием всего html да и вообще веб технологий, остался вопрос. С помощью данных тегов, возможно навредить как-то сайту?

 

[Sergodjan]

Доделал проект. Теперь всё легитимно можно сказать
Вот такие теги оставил на пост обработке:

<(?!p|/p|br|a|/a|img|/img|span|/span|ul|/ul|ol|/ol|li|/li|b|/b|i|/i|u|/u).*?>

Старался оставлять теги только под оформление. Но за незнанием всего html да и вообще веб технологий, остался вопрос. С помощью данных тегов, возможно навредить как-то сайту?

Нет, вреда никакого не будет..

 

[liveCreature]

Ещё раз здравствуйте. Увидел что после постобработки сохраняет:

<iframe src="//www.youtube.com

Вот постобработка:

<(?!p|/p|br|a|/a|img|/img|span|/span|ul|/ul|ol|/ol|li|/li|b|/b|i|/i|u|/u).*?>

Вроде как должно удалять фрейм. Но почему то не удаляет. То ли я дурак, то ли лыжи не едут.

 

[doc]

Ещё раз здравствуйте. Увидел что после постобработки сохраняет:

<iframe src="//www.youtube.com

Вот постобработка:

<(?!p|/p|br|a|/a|img|/img|span|/span|ul|/ul|ol|/ol|li|/li|b|/b|i|/i|u|/u).*?>

Вроде как должно удалять фрейм. Но почему то не удаляет. То ли я дурак, то ли лыжи не едут.

ну там же есть i в перечне)

 

[liveCreature]

Точно. Я как-то и не подумал. А не опасно ли это?
То-есть можно же через iframe загрузить что-то другое (специально вредоносное), если потяну себе на сайт?

 

[doc]

Точно. Я как-то и не подумал. А не опасно ли это?
То-есть можно же через iframe загрузить что-то другое (специально вредоносное), если потяну себе на сайт?

попробуй такую

<(?!(p|/p|br|a|/a|img|/img|span|/span|ul|/ul|ol|/ol|li|/li|b|/b|i|/i|u|/u)\b).*?>