非标准私有扩展属性指HTML5规范未收录、但浏览器能解析的属性,如my-id、x-data、data-ccp-props、xml:lang、data-contrast等,其判定依据是是否在W3C白名单及下游解析器(如DOMPurify/HTMLPurifier)默认放行策略中。

哪些属性算“非标准私有扩展属性”
浏览器能解析但 W3C 不认的属性,比如 my-id、x-data、data-ccp-props、xml:lang、data-contrast。它们通常来自 Office 粘贴、旧 CMS 导出、或手写“临时方案”。关键判断依据不是名字多像 data-*,而是:是否在 HTML5 规范白名单里、是否被你下游的解析器(如 DOMPurify / HTMLPurifier / SSR 框架)默认放行。
用 DOMPurify 主动清理非 data-* 属性
DOMPurify 默认只保留标准属性 + 所有 data-*,其余一概剔除。如果你发现 my-id 还在输出里,说明你没调用它,或者用了宽松配置。
- 基础用法:
DOMPurify.sanitize(html)已足够干掉my-id、x-src、data-ccp-props等 - 若需保留某些非 data-* 属性(如
srcset是标准属性,但loading="lazy"在旧版 DOMPurify 中可能被删),得显式加白名单:{ ADD_ATTR: ['loading', 'decoding'] } - 切勿设
{ USE_PROFILES: { html: true } }后还幻想它会放过data-ccp-props——profile 只控制元素集,属性过滤另走一套逻辑
HTMLPurifier 里删 data-ccp-props 要改配置,不是默认行为
HTMLPurifier 默认比 DOMPurify 更激进:连 data-* 都只放行明确声明的(如 data-id),data-ccp-props 这种长名、带连字符、无业务意义的,几乎必然被砍。但如果你发现它还在,大概率是:
- 你启用了
HTML.Allowed并写了div[data-ccp-props]这类规则(极少见) - 你用了自定义
HTML.Definition,手动把data-ccp-props加进了$def->addAttribute('div', 'data-ccp-props', 'Text') - 你根本没走 HTMLPurifier 流程——比如前端直接 innerHTML 渲染了原始内容
真要清理,最稳方式是删掉所有 data-ccp- 开头的属性:$config->set('Attr.EnableID', false); $config->set('HTML.SafeIframe', true); 然后靠 HTML.Definition 白名单兜底,别依赖“默认不认就会删”。
立即学习“前端免费学习笔记(深入)”;
服务端用 jsdom 或 lxml 时,属性还在不代表它安全
jsdom 默认保留 my-id 在 elem.attrib 里,lxml 也一样。但这只是“字符串没丢”,不等于它能被后续环节接受。
- jsdom 里
el.getAttribute('my-id')能取到,但el.myId是 undefined;CSS 选择器[my-id]也不生效 - 如果下一步把这 DOM 序列化成字符串再喂给 DOMPurify,
my-id就第二次被扫掉——你得确保净化发生在“首次解析后、序列化前” - lxml 的
elem.attrib是 dict,遍历删键即可:for key in list(elem.attrib.keys()): if not key.startswith('data-'): del elem.attrib[key],但注意xml:lang这种命名空间属性得用elem.get('{http://www.w3.org/XML/1998/namespace}lang')方式处理
真正容易被忽略的是:清理动作必须紧贴消费方。你在服务端用 jsdom 删干净了 data-ccp-props,但前端编辑器加载时又从 clipboard 事件里重新注入——那服务端那步就白做了。得在粘贴入口、保存入口、渲染入口,至少守住其中一环。



















