Dart sanitize国际文本

Question

我怎样才能最好地净化文本

abc&#39; a>b<c & a<b>c

转换/显示

abc' a>b≤c & a≤b>c

或以明文形式

abc' a>b<c & a<b>c

这样我就可以通过

myDiv.innerHtml=...   or
myDiv.setInnerHtml(..., myValidator, mySantitizer);

文本赋值myDiv.text=...转换all &和<>，消除有效的撇号' -<>类/方法也会转换所有&在所有HtmlEscapeMode模式中。

可以写我自己的消毒液，但希望我忽略了一些标准库/调用。

Answer 1

DartPad链路

用于HTML实体的RexExp

import 'dart:html';
import 'dart:convert';

void main() {
  String htmlStr = r'abc&#39; a>b<c & a<b>' * 3;
  var reg = new RegExp(r"(.*?)(&#[1-9][0-9]{1,3}|[A-Za-z][0-9A-Za-z]+;)|(.*)");
  List<Match> matchs = reg.allMatches(htmlStr);
  var resStr = '';
  matchs.forEach((m) {
    var g1 = m.group(1);
    var g2 = m.group(2);
    var g3 = m.group(3);
    g1 = HTML_ESCAPE.convert(g1 == null ? '' : g1);
    g2 = g2 == null ? '' : g2;
    g3 = HTML_ESCAPE.convert(g3 == null ? '' : g3);
    resStr += g1 + g2 + g3;
  });
  print(resStr);
  document.body.setInnerHtml(resStr);
}

Answer 2

经过一番思考后，我意识到使用验证器或HtmlEscape/Mode并不是解决问题的最佳方法。

最初的问题是翻译引擎使用“撇号”--可能是为了不将其与误用撇号作为单引号相混淆。

总之，最好的解决方案是用正确的unicode字符替换撇号，这实际上是

• 非"\u{0027}“=‘= unicode撇号-显示为(直)单引号
• 不是"\u{2019}“=‘= unicode右单引号(卷曲)引号-参见http://www.fileformat.info/info/unicode/char/2019/index.htm
• 但是"\u{02BC}“=ʼ=修饰符字母撇号-显示得像卷曲引号-参见ʼ

(正确的)撇号U+0027‘是错误的是字符字体打印它(不正确)直-这图形的家伙真的讨厌-喜欢直“。

这样，您可以将翻译后的文本分配给element.text，如果其中包含有问题的字符，则由Dart自动转义--并且呈现得很好。