mirror of
https://github.com/php/php-src.git
synced 2025-08-18 15:08:55 +02:00
- Unicode impl of strip_tags()
This commit is contained in:
Rolland Santimano
parent
a0674235e3
commit
11d1574211
1 changed files with 307 additions and 29 deletions
|
|
@ -4803,34 +4803,30 @@ PHP_FUNCTION(nl2br)
|
||||||
Strips HTML and PHP tags from a string */
|
Strips HTML and PHP tags from a string */
|
||||||
PHP_FUNCTION(strip_tags)
|
PHP_FUNCTION(strip_tags)
|
||||||
{
|
{
|
||||||
char *buf;
|
void *str, *allow=NULL;
|
||||||
zval **str, **allow=NULL;
|
int32_t str_len, allow_len;
|
||||||
char *allowed_tags=NULL;
|
zend_uchar str_type, allow_type;
|
||||||
int allowed_tags_len=0;
|
void *buf;
|
||||||
size_t retval_len;
|
int32_t retval_len;
|
||||||
|
|
||||||
switch (ZEND_NUM_ARGS()) {
|
if (zend_parse_parameters(ZEND_NUM_ARGS() TSRMLS_CC, "T|T", &str, &str_len, &str_type,
|
||||||
case 1:
|
&allow, &allow_len, &allow_type) == FAILURE) {
|
||||||
if (zend_get_parameters_ex(1, &str) == FAILURE) {
|
return;
|
||||||
RETURN_FALSE;
|
|
||||||
}
|
}
|
||||||
break;
|
|
||||||
case 2:
|
if (str_type == IS_UNICODE) {
|
||||||
if (zend_get_parameters_ex(2, &str, &allow) == FAILURE) {
|
buf = eustrndup(str, str_len);
|
||||||
RETURN_FALSE;
|
retval_len = php_u_strip_tags((UChar *)buf, str_len, NULL, (UChar *)allow, allow_len TSRMLS_CC);
|
||||||
|
RETURN_UNICODEL((UChar *)buf, retval_len, 0);
|
||||||
|
} else {
|
||||||
|
buf = estrndup(str, str_len);
|
||||||
|
retval_len = php_strip_tags((char *)buf, str_len, NULL, (char *)allow, allow_len);
|
||||||
|
if (str_type == IS_BINARY) {
|
||||||
|
RETURN_BINARYL((char *)buf, retval_len, 0);
|
||||||
|
} else {
|
||||||
|
RETURN_STRINGL((char *)buf, retval_len, 0);
|
||||||
}
|
}
|
||||||
convert_to_string_ex(allow);
|
|
||||||
allowed_tags = Z_STRVAL_PP(allow);
|
|
||||||
allowed_tags_len = Z_STRLEN_PP(allow);
|
|
||||||
break;
|
|
||||||
default:
|
|
||||||
WRONG_PARAM_COUNT;
|
|
||||||
break;
|
|
||||||
}
|
}
|
||||||
convert_to_string_ex(str);
|
|
||||||
buf = estrndup(Z_STRVAL_PP(str), Z_STRLEN_PP(str));
|
|
||||||
retval_len = php_strip_tags(buf, Z_STRLEN_PP(str), NULL, allowed_tags, allowed_tags_len);
|
|
||||||
RETURN_STRINGL(buf, retval_len, 0);
|
|
||||||
}
|
}
|
||||||
/* }}} */
|
/* }}} */
|
||||||
|
|
||||||
|
|
@ -4971,7 +4967,7 @@ PHP_FUNCTION(parse_str)
|
||||||
|
|
||||||
#define PHP_TAG_BUF_SIZE 1023
|
#define PHP_TAG_BUF_SIZE 1023
|
||||||
|
|
||||||
/* {{{ php_tag_find
|
/* php_u_tag_find / php_tag_find
|
||||||
*
|
*
|
||||||
* Check if tag is in a set of tags
|
* Check if tag is in a set of tags
|
||||||
*
|
*
|
||||||
|
|
@ -4980,6 +4976,63 @@ PHP_FUNCTION(parse_str)
|
||||||
* 0 start tag
|
* 0 start tag
|
||||||
* 1 first non-whitespace char seen
|
* 1 first non-whitespace char seen
|
||||||
*/
|
*/
|
||||||
|
|
||||||
|
/* {{{ php_u_tag_find
|
||||||
|
*/
|
||||||
|
int php_u_tag_find(UChar *tag, int32_t len, UChar *set, int32_t set_len)
|
||||||
|
{
|
||||||
|
int32_t idx = 0;
|
||||||
|
UChar32 ch, *norm, *n;
|
||||||
|
int state = 0, done = 0;
|
||||||
|
|
||||||
|
if (!len) {
|
||||||
|
return 0;
|
||||||
|
}
|
||||||
|
|
||||||
|
norm = eumalloc(len+1);
|
||||||
|
n = norm;
|
||||||
|
|
||||||
|
while (!done) {
|
||||||
|
U16_NEXT(tag, idx, len, ch);
|
||||||
|
switch (u_tolower(ch)) {
|
||||||
|
case '<':
|
||||||
|
*(n++) = ch;
|
||||||
|
break;
|
||||||
|
case '>':
|
||||||
|
done = 1;
|
||||||
|
break;
|
||||||
|
default:
|
||||||
|
if (u_isWhitespace(ch) == FALSE) {
|
||||||
|
if (state == 0) {
|
||||||
|
state = 1;
|
||||||
|
if (ch != '/')
|
||||||
|
*(n++) = ch;
|
||||||
|
} else {
|
||||||
|
*(n++) = ch;
|
||||||
|
}
|
||||||
|
} else {
|
||||||
|
if (state == 1)
|
||||||
|
done = 1;
|
||||||
|
}
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
*(n++) = '>';
|
||||||
|
*n = '\0';
|
||||||
|
|
||||||
|
if (u_strFindFirst(tag, len, set, set_len) != NULL) {
|
||||||
|
done = 1;
|
||||||
|
} else {
|
||||||
|
done = 0;
|
||||||
|
}
|
||||||
|
|
||||||
|
efree(norm);
|
||||||
|
return done;
|
||||||
|
}
|
||||||
|
/* }}} */
|
||||||
|
|
||||||
|
/* {{{ php_tag_find
|
||||||
|
*/
|
||||||
int php_tag_find(char *tag, int len, char *set) {
|
int php_tag_find(char *tag, int len, char *set) {
|
||||||
char c, *n, *t;
|
char c, *n, *t;
|
||||||
int state=0, done=0;
|
int state=0, done=0;
|
||||||
|
|
@ -5033,7 +5086,7 @@ int php_tag_find(char *tag, int len, char *set) {
|
||||||
}
|
}
|
||||||
/* }}} */
|
/* }}} */
|
||||||
|
|
||||||
/* {{{ php_strip_tags
|
/* php_u_strip_tags / php_strip_tags
|
||||||
|
|
||||||
A simple little state-machine to strip out html and php tags
|
A simple little state-machine to strip out html and php tags
|
||||||
|
|
||||||
|
|
@ -5053,6 +5106,231 @@ int php_tag_find(char *tag, int len, char *set) {
|
||||||
swm: Added ability to strip <?xml tags without assuming it PHP
|
swm: Added ability to strip <?xml tags without assuming it PHP
|
||||||
code.
|
code.
|
||||||
*/
|
*/
|
||||||
|
/* {{{ php_u_strip_tags
|
||||||
|
*/
|
||||||
|
PHPAPI int32_t php_u_strip_tags(UChar *rbuf, int32_t len, int *stateptr, UChar *allow, int32_t allow_len TSRMLS_DC)
|
||||||
|
{
|
||||||
|
UChar *tbuf = NULL, *tp = NULL;
|
||||||
|
UChar *buf, *rp;
|
||||||
|
int32_t idx = 0, tmp, codepts;
|
||||||
|
UChar32 ch, next, prev1, prev2, last, doctype[6];
|
||||||
|
int br = 0, depth = 0, state = 0, i;
|
||||||
|
|
||||||
|
if (stateptr)
|
||||||
|
state = *stateptr;
|
||||||
|
|
||||||
|
buf = eustrndup(rbuf, len);
|
||||||
|
rp = rbuf;
|
||||||
|
if (allow) {
|
||||||
|
php_u_strtolower(&allow, &allow_len, UG(default_locale));
|
||||||
|
tbuf = eumalloc(PHP_TAG_BUF_SIZE+1);
|
||||||
|
tp = tbuf;
|
||||||
|
}
|
||||||
|
|
||||||
|
last = 0x00;
|
||||||
|
ch = prev1 = prev2 = next = -1;
|
||||||
|
codepts = 0;
|
||||||
|
while (idx < len) {
|
||||||
|
prev2 = prev1; prev1 = ch;
|
||||||
|
U16_NEXT(buf, idx, len, ch);
|
||||||
|
codepts++;
|
||||||
|
|
||||||
|
switch (ch) {
|
||||||
|
case 0x00: /* '\0' */
|
||||||
|
break;
|
||||||
|
|
||||||
|
case 0x3C: /* '<' */
|
||||||
|
U16_GET(buf, 0, idx, len, next);
|
||||||
|
if (u_isWhitespace(next) == TRUE) {
|
||||||
|
goto reg_u_char;
|
||||||
|
}
|
||||||
|
if (state == 0) {
|
||||||
|
last = 0x3C;
|
||||||
|
state = 1;
|
||||||
|
if (allow) {
|
||||||
|
tp = ((tp-tbuf) >= UBYTES(PHP_TAG_BUF_SIZE) ? tbuf: tp);
|
||||||
|
*(tp++) = ch;
|
||||||
|
}
|
||||||
|
} else if (state == 1) {
|
||||||
|
depth++;
|
||||||
|
}
|
||||||
|
break;
|
||||||
|
|
||||||
|
case 0x28: /* '(' */
|
||||||
|
if (state == 2) {
|
||||||
|
if (last != 0x22 && last != 0x27) { /* '"' & '\'' */
|
||||||
|
last = 0x28;
|
||||||
|
br++;
|
||||||
|
}
|
||||||
|
} else if (allow && state == 1) {
|
||||||
|
tp = ((tp-tbuf) >= UBYTES(PHP_TAG_BUF_SIZE) ? tbuf: tp);
|
||||||
|
*(tp++) = ch;
|
||||||
|
} else if (state == 0) {
|
||||||
|
*(rp++) = ch;
|
||||||
|
}
|
||||||
|
break;
|
||||||
|
|
||||||
|
case 0x29: /* ')' */
|
||||||
|
if (state == 2) {
|
||||||
|
if (last != 0x22 && last != 0x27) { /* '"' & '\'' */
|
||||||
|
last = ch;
|
||||||
|
br--;
|
||||||
|
}
|
||||||
|
} else if (allow && state == 1) {
|
||||||
|
tp = ((tp-tbuf) >= UBYTES(PHP_TAG_BUF_SIZE) ? tbuf: tp);
|
||||||
|
*(tp++) = ch;
|
||||||
|
} else if (state == 0) {
|
||||||
|
*(rp++) = ch;
|
||||||
|
}
|
||||||
|
break;
|
||||||
|
|
||||||
|
case 0x3E: /* '>' */
|
||||||
|
if (depth) {
|
||||||
|
depth--;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
|
||||||
|
switch (state) {
|
||||||
|
case 1: /* HTML/XML */
|
||||||
|
last = ch;
|
||||||
|
state = 0;
|
||||||
|
if (allow) {
|
||||||
|
tp = ((tp-tbuf) >= UBYTES(PHP_TAG_BUF_SIZE) ? tbuf: tp);
|
||||||
|
*(tp++) = ch;
|
||||||
|
*(tp) = 0;
|
||||||
|
if (php_u_tag_find(tbuf, tp-tbuf, allow, allow_len)) {
|
||||||
|
u_memcpy(rp, tbuf, tp-tbuf);
|
||||||
|
rp += tp-tbuf;
|
||||||
|
}
|
||||||
|
tp = tbuf;
|
||||||
|
}
|
||||||
|
break;
|
||||||
|
|
||||||
|
case 2: /* PHP */
|
||||||
|
if (!br && last != 0x22 && prev1 == 0x3F) { /* '"' & '?' */
|
||||||
|
state = 0;
|
||||||
|
tp = tbuf;
|
||||||
|
}
|
||||||
|
break;
|
||||||
|
|
||||||
|
case 3:
|
||||||
|
state = 0;
|
||||||
|
tp = tbuf;
|
||||||
|
break;
|
||||||
|
|
||||||
|
case 4: /* JavaScript/CSS/etc... */
|
||||||
|
if (codepts >= 2 && prev1 == 0x2D && prev2 == 0x2D) { /* '-' */
|
||||||
|
state = 0;
|
||||||
|
tp = tbuf;
|
||||||
|
}
|
||||||
|
break;
|
||||||
|
|
||||||
|
default:
|
||||||
|
*(rp++) = ch;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
break;
|
||||||
|
|
||||||
|
case 0x22: /* '"' */
|
||||||
|
case 0x27: /* '\'' */
|
||||||
|
if (state == 2 && prev1 != 0x5C) { /* '\\' */
|
||||||
|
if (last == ch) {
|
||||||
|
last = 0x00;
|
||||||
|
} else if (last != 0x5C) {
|
||||||
|
last = ch;
|
||||||
|
}
|
||||||
|
} else if (state == 0) {
|
||||||
|
*(rp++) = ch;
|
||||||
|
} else if (allow && state == 1) {
|
||||||
|
tp = ((tp-tbuf) >= UBYTES(PHP_TAG_BUF_SIZE) ? tbuf: tp);
|
||||||
|
*(tp++) = ch;
|
||||||
|
}
|
||||||
|
break;
|
||||||
|
|
||||||
|
case 0x21: /* '!' */
|
||||||
|
/* JavaScript & Other HTML scripting languages */
|
||||||
|
if (state == 1 && prev1 == 0x3C) { /* '<' */
|
||||||
|
state = 3;
|
||||||
|
last = ch;
|
||||||
|
} else {
|
||||||
|
if (state == 0) {
|
||||||
|
(*rp++) = 0x21;
|
||||||
|
} else if (allow && state == 1) {
|
||||||
|
tp = ((tp-tbuf) >= PHP_TAG_BUF_SIZE ? tbuf: tp);
|
||||||
|
*(tp++) = 0x21;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
break;
|
||||||
|
|
||||||
|
case 0x2D: /* '-' */
|
||||||
|
if (state == 3 && codepts >= 2 && prev1 == 0x2D && prev2 == 0x21) { /* '-' & '!' */
|
||||||
|
state = 4;
|
||||||
|
} else {
|
||||||
|
goto reg_u_char;
|
||||||
|
}
|
||||||
|
break;
|
||||||
|
|
||||||
|
case 0x3F: /* '?' */
|
||||||
|
if (state == 1 && prev1 == 0x3C) { /* '<' */
|
||||||
|
br = 0;
|
||||||
|
state = 2;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
|
||||||
|
case 'E':
|
||||||
|
case 'e':
|
||||||
|
/* !DOCTYPE exception */
|
||||||
|
if (state==3 && codepts > 6) {
|
||||||
|
tmp = idx;
|
||||||
|
for (i = 0 ; i < 6 ; i++) {
|
||||||
|
U16_PREV(buf, 0, tmp, doctype[i]);
|
||||||
|
}
|
||||||
|
if (u_tolower(doctype[0])=='p' && u_tolower(doctype[1])=='y' &&
|
||||||
|
u_tolower(doctype[2])=='t' && u_tolower(doctype[3])=='c' &&
|
||||||
|
u_tolower(doctype[4])=='o' && u_tolower(doctype[5])=='d') {
|
||||||
|
state = 1;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
/* fall-through */
|
||||||
|
|
||||||
|
case 'l':
|
||||||
|
|
||||||
|
/* swm: If we encounter '<?xml' then we shouldn't be in
|
||||||
|
* state == 2 (PHP). Switch back to HTML.
|
||||||
|
*/
|
||||||
|
|
||||||
|
if (state == 2 && codepts > 2 && prev1 == 'm' && prev2 == 'x') {
|
||||||
|
state = 1;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
/* fall-through */
|
||||||
|
|
||||||
|
default:
|
||||||
|
reg_u_char:
|
||||||
|
if (state == 0) {
|
||||||
|
rp += zend_codepoint_to_uchar(ch, rp);
|
||||||
|
} else if (allow && state == 1) {
|
||||||
|
tp = ((tp-tbuf) >= UBYTES(PHP_TAG_BUF_SIZE) ? tbuf: tp);
|
||||||
|
tp += zend_codepoint_to_uchar(ch, tp);
|
||||||
|
}
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
*rp = 0;
|
||||||
|
efree(buf);
|
||||||
|
if (allow)
|
||||||
|
efree(tbuf);
|
||||||
|
if (stateptr)
|
||||||
|
*stateptr = state;
|
||||||
|
|
||||||
|
return (size_t)(rp-rbuf);
|
||||||
|
}
|
||||||
|
/* }}} */
|
||||||
|
|
||||||
|
/* {{{ php_strip_tags
|
||||||
|
*/
|
||||||
PHPAPI size_t php_strip_tags(char *rbuf, int len, int *stateptr, char *allow, int allow_len)
|
PHPAPI size_t php_strip_tags(char *rbuf, int len, int *stateptr, char *allow, int allow_len)
|
||||||
{
|
{
|
||||||
char *tbuf, *buf, *p, *tp, *rp, c, lc;
|
char *tbuf, *buf, *p, *tp, *rp, c, lc;
|
||||||
|
|
|
||||||
Loading…
Add table
Add a link
Reference in a new issue