Sanitize

Basierend auf der HTML-Parser Nokogiri Ruby ist Sanitize Whitelist-basierten System zur Entfernung von HTML aus einem Textblock.
Die "Whitelist" Technik wird Entwicklern erlauben, eine Liste von HTML-Tags, die Sanitize wird als Referenz für das, was sie als "akzeptabel" hält HTML verwenden.
Jede andere HTML-Tag nicht in der Liste werden von der analysierten Text entfernt werden.
Sanitize kann mit standardkonformen oder mit fehlerhaften HTML arbeiten.
Die Bibliothek kann erkennen und herausfiltern, HTML-Tags, Attribute und Protokolle.
Das gereinigte Text wird immer als gültige HTML oder XHTML ausgegeben werden.
Entwicklern zu helfen, erhalten an ihren Projekten gestartet, kommt Sanitize mit ein paar vorgefertigte Konfigurationen enthalten. Überprüfen Sie die Readme-Datei für weitere Informationen

Was ist neu in dieser Pressemitteilung:.

• Zwei neue CSS Konfigurationseinstellungen: at_rules_with_properties und:. at_rules_with_styles
• Volle Unterstützung für CSS @ page-Regeln in der entspannten Konfiguration, einschließlich der Unterstützung für alle page-Marge Feld Regeln.
• Hinzufügen der folgenden CSS-Regeln in der entspannten Konfiguration.
• die entspannte Konfiguration Hinzugefügt eine ganze Reihe von CSS-Eigenschaften. Sehen Sie hier die vollständige Liste.
• Kleine Leistungsverbesserungen.
• Verbesserte Crass auf 1.0.2 zu holen ein Update, das Parsen von CSS @ page-Regeln betroffen.

Was ist neu in Version 3.1.2:

• Fixed: #document und #fragment gescheitert auf gefrorenen Strings und unbeabsichtigt nicht gefrorenen Strings ändern, wenn sie verwendet werden, eine andere als UTF-8-Kodierung oder wenn sie enthaltenen Zeichen nicht in HTML erlaubt.

Was ist neu in Version 3.0.2:

• Aktualisiert Nokogumbo bis 1.1.12, weil 1.1. 11 stillschweigend zurück die Änderung wir versuchten, in der letzten Version holen.

Was ist neu in Version 3.0.0:

• Hinzugefügt erweiterte CSS-Unterstützung sanitization mit Crass, der ist voll kompatibel mit der CSS-Syntax des Moduls 3 Parsing-spec. Der Inhalt des Whitelist & # X3C; style & # x3e; Elemente und Stilattribute in HTML als CSS desinfiziert werden, oder Sie können die Sanitize :: CSS-Klasse verwenden, um CSS-Stylesheets oder Eigenschaften manuell desinfizieren.
• Hinzugefügt ein: allow_doctype Einstellung. Wenn wahr, wohlgeformte doctype Definitionen werden in Dokumenten zugelassen werden. Wenn false (die Standardeinstellung), wird doctype Definitionen aus Dokumenten entfernt werden. Doctype Definitionen werden niemals in Fragmente erlaubt, unabhängig von dieser Einstellung.
• Hinzugefügt folgende Elemente in die entspannte Konfiguration, zusätzlich zu verschiedenen Attribute:. Artikel, beiseite, Körper, Daten, div, footer, Kopf, Kopf, html, Haupt, nav, Abschnitt, Spannweite, Stil, Titel
• Die: whitespace_elements Config ist nun ein Hash, und erlaubt Ihnen, den Text, der vor und nach dieser Elemente, wenn sie entfernt sind eingefügt werden sollen. Die im alten Stil Array-basierte Konfigurationswert ist immer noch für die Abwärtskompatibilität unterstützt.
• Ungeeignete Unicode-Zeichen werden nun von HTML entfernt, bevor es analysiert wird.
• Fixed:
• Non-Tag-Klammern in Eingangs wie & rdquo; 1 & # x3e; 2 und 2 & # X3C; 1 & rdquo; werden jetzt analysiert und richtig entgangen gemäß der HTML5-Spezifikation, zu & rdquo; 1 & gt; 2 und 2 & lt; 1 ''.
• Geschwister nach dem aktuellen Knoten im Durchlauf hinzugefügt werden jetzt auch durchzogen. In früheren Versionen wurden sie einfach übersprungen.
• Nokogiri wurde schmatzte und beauftragte das Hinzufügen Zeilenumbrüche nach bestimmten Elementen zu stoppen, denn wenn die Leute wollten Zeilenumbrüche dort, sie würden sie dort gesetzt haben, verdammt noch mal.

Was ist neu in Version 2.0.6:

• Version 2.0.5 unbeabsichtigt enthalten einige Arbeit-in -progress Änderungen, die nicht den Weg in die master-Zweig gemacht haben sollte.

Was ist neu in Version 1.2.1: remove_contents Konfigurationseinstellung:

• A gegeben. Wenn auf true gesetzt, wird Sanitize den Inhalt aller nicht-Whitelist-Elemente zusätzlich zu den Elementen selbst zu entfernen. Wenn einem Array von Elementnamen gesetzt ist, wird Sanitize den Inhalt nur diejenigen Elemente (wenn gefiltert) entfernen und den Inhalt des anderen gefilterten Elemente zu verlassen. [Dank Rafael Souza für die Option Array]
• Hinzugefügt ein: output_encoding Config-Einstellung, um die Zeichenkodierung für HTML-Ausgabe zu ermöglichen, festgelegt werden. Der Standardwert ist "utf-8".
• Die Umgebung, in die Hash-Transformatoren weitergegeben enthält nun einen: node_name Artikel die Kleinbuchstaben Namen der aktuellen HTML-Knoten (beispielsweise & quot; div & quot;), das
.
• Rückkehr etwas anderes als ein Hash oder nil von einem Transformator wird nun eine sinnvolle Sanitize :: Fehler Ausnahme und nicht zu erhöhen als eine unbeabsichtigte Nameerror.

Anforderungen :

• Rubin 1.9.2 oder höher
• Nokogiri 1.4.4 oder höher