DOMDocument удалить теги скриптов из источника HTML

Я @Alex подход здесь для удаления тегов скриптов из HTML-документа с помощью встроенного DOMDocument. Проблема в том, что если у меня есть тег скрипта с содержимым Javascript, а затем другой тег скрипта, который ссылается на внешний исходный файл Javascript, не все теги скрипта удаляются из HTML.

$result = '
<!doctype html>
<html>
    <head>
        <meta charset="utf-8">
        <title>
            hey
        </title>
        <script type="text/javascript" src="http://ajax.googleapis.com/ajax/libs/jquery/1.9.1/jquery.min.js"></script>
        <script>
            alert("hello");
        </script>
    </head>
    <body>hey</body>
</html>
';

$dom = new DOMDocument();
if($dom->loadHTML($result))
{
    $script_tags = $dom->getElementsByTagName('script');

    $length = $script_tags->length;

    for ($i = 0; $i < $length; $i++) {
        if(is_object($script_tags->item($i)->parentNode)) {
            $script_tags->item($i)->parentNode->removeChild($script_tags->item($i));
        }
    }

    echo $dom->saveHTML();
}

вышеуказанный код выводит наружу:

<html>
    <head>
        <meta charset="utf-8">
        <title>hey</title>
        <script>
        alert("hello");
        </script>
    </head>
    <body>
        hey
    </body>
</html>

Как вы можете видеть из вывода, был снят только внешний тег script. Быть там все, что я могу сделать, чтобы убедиться, что все теги скриптов удалены?

11
domdocument html-parsing php script-tag xss

2 ответов

ваша ошибка на самом деле тривиальна. А

21

чтобы избежать этого, вы получите сюрпризы live список узлов -- который становится короче при удалении узлов -- вы можете работать с копией в массив, используя iterator_to_array:

foreach(iterator_to_array($dom->getElementsByTagName($tag)) as $node) {
    $node->parentNode->removeChild($node);
};
5