HTML属性清理不能靠正则替换,因其无法安全处理嵌套、转义、注释及命名空间,易误删data-on-click等自定义属性或漏删注释内伪代码,且脱离DOM上下文;应使用白名单校验与removeAttribute等DOM原生方法精准操作。

HTML属性清理为什么不能靠正则替换
正则看似快,但根本没法安全处理 HTML 的嵌套、转义、注释和命名空间。比如 onerror="alert('') 里的 HTML 实体、<!-- onsubmit="x()" --> 这类注释内的伪代码、或 data-on-click 这种带前缀的自定义属性,正则一匹配就容易误删或漏删。更麻烦的是,HTML 解析器本身不按“字符串行”工作,而是构建 DOM 树;正则在树外操作,天然丢失上下文。
sanitize-html 的 allowedAttributesMap 是怎么起作用的
它不是黑名单过滤,而是白名单准入制:每个属性名必须显式出现在 allowedAttributesMap 中,或命中通配键 '*',才被保留。底层逻辑是遍历所有属性节点,对每个 a(属性名)做三重校验:VALID_HTML_ATTRIBUTE_NAME.test(a) 先筛掉非法格式(如含空格、控制字符),再查映射表,最后还要判断值是否为空且无意义(比如 class="" 可能被删,但 class="a b" 就过)。没通过任一关,就直接 delete frame.attribs[a]。
removeAttribute 和 innerHTML = innerHTML 的本质区别
前者只删属性,不碰子节点、不触发重排、不丢已绑定的 addEventListener;后者是强制销毁并重建整个子树——DOM 重解析、事件监听器全清、焦点丢失、input 值归零、canvas 内容清空。常见错误是用 el.innerHTML = el.innerHTML 来“清理事件属性”,结果把用户刚输的表单内容也刷没了。
-
removeAttribute('onclick')安全、精准、副作用可控 -
el.innerHTML = el.innerHTML是 DOM 重载,不是清洗,慎用 - 动态插入的内容(如
insertAdjacentHTML)不会自动被清理,得在插入前过滤
class 属性清空后还留着 class="" 是设计使然
classList.remove() 只改值,不删属性。即使你移除了最后一个类,DOM 仍会保留 class="" 或无值 class。这不是 bug,是 HTML 序列化规范要求:空字符串值在序列化时变成无值属性,但属性节点本身仍在 el.attributes 列表里。这意味着 [class] 选择器仍能匹配它,而 [class~="foo"] 不会——这点常被忽略,尤其在写 CSS BEM 或 JS 条件逻辑时。
立即学习“前端免费学习笔记(深入)”;



















