Html代码白名单过滤插件(C#)

作者：小文 发布于：2010-10-18 9:28 Monday

分类：免费插件

该插件将过滤掉所有除需要外的html代码.在处理前您需要使用采集器过滤js,css等代码.您可以下载该插件或是自己修改代码以达到自己的需要.

插件主要源码:

using System;

using System.IO;

using System.Reflection;

using System.Runtime.CompilerServices;

using System.Text;

using System.Windows.Forms;

using System.Collections;

using System.Collections.Generic;

/*注意事项

* 1.这个命名空间不能更改.当然,你可以在其它的文件里使用其它的命名空间,在这里使用.

* 2.必须引用采集器目录下的LeWell.dll文件.

* 3.必须实现 IPlugin接口 里的 Run 方法

* 4.编写过程出请对传入传出的参数进行检测

* */

namespace LeWell.Plugins

{

public class Demo : LeWell.Plugins.IPlugin   //使用的IPlugin接口,请引用 LeWell.Plugins.dll 文件

{

///

/// 插件运行处理预留方法

///

/// 要处理的源代码

/// 采集页面地址

/// 页面类型为一枚举 LeWell.Plugins.PageType ,其中List,Pages,Content,Save分别代表列表页,分页或多页,默认页,保存时

/// 页面编码

/// 网站的cookies

///

public string Run(string str, string pageurl, LeWell.Plugins.PageType pagetype, Encoding encoding, System.Net.CookieCollection cookies)

{

请在这里执行您的操作,返回string

//string result = "这个结果是单页面测试,后边的数据为程序接收到的数据:\r\n\r\n";

//result += "当前的页面网址为:" + pageurl.ToString() + "\r\n";

//result += "当前的页面类型为:" + pagetype.ToString() + "\r\n";

//result += "当前的网页编码为:" + encoding.ToString() + "\r\n";

//result += "当前网页的代码为:" + str.ToString() + "\r\n";

return str;

}

///

/// 这个是用来在最后处理采集器入库前的数据的

///

///

///

///

///

///

public Hashtable Run(Hashtable ht, string pageurl, Encoding encoding, System.Net.CookieCollection cookies)

{

System.Collections.Generic.List list = new System.Collections.Generic.List();

if (ht.ContainsKey("内容"))

{

string data = ht["内容"].ToString();

if (string.IsNullOrEmpty(data)) return ht;

list.Add("div");

list.Add("ul");

list.Add("dt");

list.Add("dl");

list.Add("dd");

list.Add("table");

list.Add("tbody");

list.Add("tr");

list.Add("td");

list.Add("p");

foreach (string s in list)

{

data = System.Text.RegularExpressions.Regex.Replace(data, "]*?>", "", System.Text.RegularExpressions.RegexOptions.IgnoreCase);

data = System.Text.RegularExpressions.Regex.Replace(data, "", "ASDFGHJKL$1" + s, System.Text.RegularExpressions.RegexOptions.IgnoreCase);

}

data = System.Text.RegularExpressions.Regex.Replace(data, "
", "QWERTYUIOPB", System.Text.RegularExpressions.RegexOptions.IgnoreCase);

List> dic = new List>();

System.Text.RegularExpressions.Regex regex = new System.Text.RegularExpressions.Regex("]*?>[^", System.Text.RegularExpressions.RegexOptions.IgnoreCase);

System.Text.RegularExpressions.MatchCollection mc = regex.Matches(data);

foreach (System.Text.RegularExpressions.Match m in mc)

{

dic.Add(new KeyValuePair(m.Value, base64_encode(m.Value)));

}

regex = new System.Text.RegularExpressions.Regex("]*?>",System.Text.RegularExpressions.RegexOptions.IgnoreCase);

mc = regex.Matches(data);

foreach (System.Text.RegularExpressions.Match m in mc)

{

dic.Add(new KeyValuePair(m.Value, base64_encode(m.Value)));

}

data = System.Text.RegularExpressions.Regex.Replace(data,"]*?>", "");

foreach (KeyValuePair kv in dic)

{

data = data.Replace(kv.Value, kv.Key);

}

foreach (string s in list)

{

data = data.Replace("ASDFGHJKL" + s, "");

data = data.Replace("ASDFGHJKL/" + s, "" + s + ">");

}

data = data.Replace("QWERTYUIOPB","
");

ht["内容"] = data;

}

return ht;

}

///

///Base64加密

///

/// 返回string

public  string base64_encode(string s)

{

string strResult = "";

if ((s != null) && (s != ""))

{

strResult = Convert.ToBase64String(System.Text.ASCIIEncoding.Default.GetBytes(s));

}

return strResult;

}

///

///Base64解密

///

/// 返回string

public  string base64_decode(string s)

{

string strResult = "";

if ((s != null) && (s != ""))

{

int buling = s.Length % 4;

if (buling == 3) s = s + "=";

else if (buling == 2) s = s + "==";

else if (buling == 1) s = s.Substring(0, s.Length - 1);

strResult = System.Text.ASCIIEncoding.Default.GetString(Convert.FromBase64String(s));

}

return strResult;

}

}

}

附件下载：

白名单过滤插件.7z 9.21KB

标签:过滤

发表评论：

昵称

邮件地址 (选填)

个人主页 (选填)