PHP 函数 strip_tags 的一个严重 bug

PHP 函数 strip_tags 的一个严重 bug

PHP 函数 strip_tags 提供了从字符串中去除 HTML 和 PHP 标记的功能，该函数尝试返回给定的字符串 str 去除空字符、HTML 和 PHP 标记后的结果。

由于 strip_tags() 无法实际验证 HTML，不完整或者破损标签将导致更多的数据被删除。

比如下述代码：

<div>string</div>string<string<b>hello</b><div>string</div>

通过 strip_tags($str, ‘<div>’) 过滤，我们可能期望得到如下结果：

<div>string</div>string<stringhello<div>string</div>

而实际操作结果是这样的：

<div>string</div>string

这一切都是因为加红的那个左尖括号，查了 PHP 的文档，有一个警告提示：

由于 strip_tags() 无法实际验证 HTML，不完整或者破损标签将导致更多的数据被删除。

既然在执行过滤前无法验证代码正确性，遇到和标签相关的字符 “<” 或 “>” 后面的代码就全挂了！

2013.01.11 更新：
以下方法可以解决该问题，但可能在 HTML 数据过大时，存在一定的效率问题，慎用！

function fixtags ($text) {
$text = htmlspecialchars($text);
$text = preg_replace("/"/", ""\"", $text);
$tags = "/<(!|)(\/|)(\w*)(\ |)(\w*)([\\\=]*)(?|(\")\""\"|)(?|(.*)?"(\")|)([\ ]?)(\/|)>/i";
$replacement = "<$1$2$3$4$5$6$7$8$9$10$11>";
$text = preg_replace($tags, $replacement, $text);
$text = preg_replace("/=\"\"/", "=", $text);
$text = preg_replace("/&quot;\"/", "\"", $text);
return $text;
}

使用方法：

strip_tags(fixtags($string), '<div>');