Python Libxml清理器添加了不需要的<；p>；标记到HTML片段

我正在尝试使用libxml的HTML清理程序清理用户输入，以防止XSS注入。当我输入如下字符串时：

Normal text <b>Bold text</b>

---

---

另一方面，上面的代码有一行：

allow_tags=None

我试图删除所有HTML标记。libxml是否有白名单功能，其中我只允许某些标记？

所有的

文本

片段/节点必须包含在某种元素中

libxml

将尝试尽可能地解决此问题

def sanitize_html(html):
    cleaned_html = cleaner.clean_html(html)
    return re.sub(r'</p>$', '', re.sub(r'^<p>', '', cleaned_html))

---

保留在

标记中会导致什么问题？@Karl：我正在通过Markdown传递清理后的输出，Markdown将忽略块级标记中的任何内容进行格式化。这也打乱了我的其他CSS规则。谢谢你让我知道所有东西都需要封闭，我没有意识到这一点。我的解决方案实际上是在清理之前将文本放入另一个标记中。

from lxml.html import clean

cleaner = clean.Cleaner(
    scripts = True,
    javascript = True,
    allow_tags = None,
)

def sanitize_html(html):
    return cleaner.clean_html(html)

def sanitize_html(html):
    cleaned_html = cleaner.clean_html(html)
    return re.sub(r'</p>$', '', re.sub(r'^<p>', '', cleaned_html))

return cleaned_html[3:-4]     # Single slice operation
return cleaned_html[3:][:-4]