PHP+Tidy－完美的XHTML纠错+过滤
2024-05-04 22:13:21
供稿：网友
输入和输出
输入和输出应该说是很多网站的基本功能。用户输入数据，网站输出数据供其他人浏览。
拿目前流行的Blog为例，这里的输入输出就是作者编辑文章后生成博客文章页面供他人阅读。
这里有一个问题，即用户输入通常是不受控制的，它可能包含不正确的格式亦或者含有有安全隐患的代码；而最终网站输出的内容却必须是正确的HTML代码。这就需要对用户输入的内容进行纠错和过滤。
永远不要相信用户的输入
你可能会说：现在到处都是所见即所得的编辑器(WYSIWYG)，FCKeditor、TinyMCE...你可能会举出一大堆。是的，它们都可以自动生成标准的XHTML代码，但是作为web开发人员，你肯定听过"永远不要相信用户递交的数据"。
因此对用户输入数据进行纠错和过滤是必需的。
需要更好的纠错和过滤
目前为止我还没见过有让我满意的相关实现，能接触到的通常都是效率低下、效果不太理想，有这样那样的明显缺陷。举个比较知名的例子：WordPress是一种使用非常广泛的blog系统，操作简单功能强大且有丰富的插件支持，但是它集成的TinyMCE和后台一堆有些自作聪明的纠错过滤代码却令人相当头痛，对半角字符的强制替换，过于保守的替换规则等等.....导致像贴一段代码让它正确显示这种需求都很难做到。
这里顺便抱怨一下，这个blog是用WordPress架的，为了让这几篇文章能正确显示代码，网上搜了很多也试用了一些插件，最终还是翻了它的代码把一些过滤规则注释掉才勉强可以显示得体面一点 -.-b
当然，我不想过多的指责它(wordpress)，只是想说明它还可以做的更好。
Tidy是什么，它如何工作？
摘自Tidy ManPage的说明这样描述:
Tidy reads HTML, XHTML and XML files and writes cleaned up markup. For HTML variants, it detects and corrects many common coding errors and strives to produce visually equivalent markup that is both W3C compliant and works on most browsers. A common use of Tidy is to convert plain HTML to XHTML. For generic XML files, Tidy is limited to correcting basic well-formedness errors and pretty printing.
简单说Tidy是清理HTML代码的，生成干净的符合W3C标准的HTML代码，支持HTML,XHTML,XML。Tidy提供一个库TidyLib,以方便在其他应用中利用Tidy的强大功能。非常幸运，PHP有相应的tidy模块可以使用。
老兄，为什么又是PHP?
呃，这个问题... 惭愧，因为我只会那么点PHP而已 -.-v
