PHP清理粘贴的Microsoft输入

Question

我有一个网站，用户可以使用TinyMCE的自定义实现发布内容（如论坛，评论等）。他们中的许多人喜欢从Word复制和粘贴，这意味着他们的输入通常带有大量相关联的MS内联格式。

我无法摆脱，<span whatever>因为TinyMCE的某些格式依赖于span标签，而且我不能（也不想）强迫用户使用TinyMCE的“从Word粘贴”功能（无论如何似乎都行得通）。

有谁知道可以帮我解决这个问题的库/类/函数？尽管我找不到任何确定的信息，但这肯定是一个普遍的问题。我最近一直在思考，寻找MS特定模式的一系列蛮力正则表达式可能会解决问题，但是除非希望，否则我不想重写可能已经可用的东西。

同样，固定引号，破折号等也不错。我现在有我自己的东西可以做，但是我真的很想找到一个MS转换过滤器来统治所有这些。

Answer 1

HTML Purifier将创建符合标准的标记，并过滤掉许多可能的攻击（例如XSS）。

为了不需要XSS筛选的更快清理，我使用了PECL扩展Tidy，它是Tidy
HTML
实用程序的绑定。

如果这些方法对您没有帮助，建议您切换到内置了此功能的FCKEditor
。