HTML Purifier如何处理MathML自闭合标签的兼容性问题

在Web应用中使用HTML Purifier过滤用户输入时，如果内容里包含MathML数学公式，经常会遇到自闭合标签被误处理的情况。MathML有一套独立的标签闭合约定，而HTML Purifier默认的HTML定义并不原生覆盖这些规则，这就带来了兼容性配置的需求。

为什么MathML自闭合标签会被HTML Purifier影响

HTML Purifier基于HTML规范定义了一套标签白名单和闭合规则。普通HTML中像<br>、<img>这样的自闭合标签是明确规定的，但MathML里的<mi>、<mo>、<mn>等元素在默认配置中并不被识别。净化器遇到未知标签时通常会执行删除或转义，造成公式结构断裂。

MathML标签的空元素特征

部分MathML标签在书写时以自闭合形式出现，例如<mspace/>。如果净化器强制按照HTML透明标签处理，就可能插入多余的结束标签，破坏XML兼容的MathML解析。

配置HTML Purifier兼容MathML自闭合标签

我们可以通过引入自定义的HTML定义来扩展Purifier，让它认识MathML命名空间下的元素，并将特定标签标记为自闭合。

使用HTMLPurifier_HTMLModule添加模块

下面示例展示如何定义一个简单的MathML模块，声明部分自闭合标签：

<?php
require_once 'htmlpurifier/library/HTMLPurifier.auto.php';

// 自定义MathML模块
class HTMLPurifier_HTMLModule_MathMLBasic extends HTMLPurifier_HTMLModule {
    public $name = 'MathMLBasic';

    public function setup($config) {
        // 声明自闭合标签 mspace
        $this->addElement('mspace', 'Inline', 'Empty', 'Common', array(
            'width' => 'Length',
            'height' => 'Length'
        ));
        // 声明常规标签 mi
        $this->addElement('mi', 'Inline', 'Inline', 'Common', array());
    }
}

$config = HTMLPurifier_Config::createDefault();
$config->set('HTML.DefinitionID', 'mathml-config');
$config->set('HTML.DefinitionRev', 1);

if ($def = $config->maybeGetRawHTMLDefinition()) {
    $def->manager->addModule('MathMLBasic');
}

$purifier = new HTMLPurifier($config);
$dirty = '<math><mi>x</mi><mspace/></math>';
echo $purifier->purify($dirty);
?>

关键配置项说明

• HTML.DefinitionID：为自定义定义设置唯一标识，便于缓存。
• Empty内容模型：告诉Purifier该标签为空元素，等价于自闭合处理。
• manager->addModule：将我们编写的MathML模块注册进解析流程。

处理已有MathML文档的注意事项

若原始内容使用XHTML序列化，标签全部显式闭合，那么即便不标记Empty模型，只要标签在白名单内也可通过。但当输入为HTML片段且含有自闭合写法时，就必须用Empty模型避免被补全。

建议对数学公式区域做单独净化管道，而非全局套用同一配置，以降低误伤风险。

小结

通过扩展HTML Purifier的HTML模块并正确声明MathML自闭合标签的内容模型，可以有效解决两者之间的兼容性矛盾。这样既能过滤不安全代码，也能完整保留数学公式所需的标签结构。

HTML_PurifierMathML自闭合标签修改时间：2026-07-26 10:36:20