bleach

Bleach 是一个 Python 库，用于清理 HTML 文本，并防止跨站脚本攻击（XSS）。它通过剥离或转义 HTML 中潜在的危险内容来实现这一目的。Bleach 通常用于需要处理用户输入的 Web 应用程序，以确保这些输入在显示给其他用户之前是安全的。 以下是 Bleach 的一些关键特点和用法：

关键特点

  1. HTML 清理：移除 HTML 标签和属性，留下纯文本内容。
  2. 白名单过滤：允许开发者定义一个白名单，只允许特定的 HTML 标签和属性。
  3. 链接转换：将 URL 和邮箱地址转换为链接。
  4. 跨站脚本攻击防护：防止 XSS 攻击，通过清理潜在的 JavaScript 代码和其他危险内容。
  5. 灵活性：可以很容易地集成到现有的 Web 应用程序中。

安装

可以通过pip安装Bleach：

pip install bleach

基本用法

以下是一些使用 Bleach 的基本示例：

清理 HTML

import bleach
dirty_html = "<script>alert('xss');</script><p>Safe content</p>"
clean_html = bleach.clean(dirty_html)
print(clean_html)

这个例子中，bleach.clean 函数会移除 <script> 标签并返回安全的 HTML 内容。

使用白名单

allowed_tags = ['p', 'b', 'i', 'u']
allowed_attrs = {'p': ['class'], 'a': ['href', 'title']}
clean_html = bleach.clean(dirty_html, tags=allowed_tags, attributes=allowed_attrs)
print(clean_html)

在这个例子中，bleach.clean 函数只允许指定的标签和属性，其他所有内容都会被清理掉。

转换链接

linkified_html = bleach.linkify(dirty_html)
print(linkified_html)

这个例子中，bleach.linkify 函数会将文本中的 URL 和邮箱地址转换为 HTML 链接。

使用场景