forum/utils/html.py

   1 """Utilities for working with HTML."""
   2 #import html5lib
   3 from html5lib import sanitizer, serializer, tokenizer, treebuilders, treewalkers, HTMLParser
   4 from django.utils.html import strip_tags
   5 from forum.utils.html2text import HTML2Text
   6 from django.utils.safestring import mark_safe
   7 from forum import settings
   8
   9 class HTMLSanitizerMixin(sanitizer.HTMLSanitizerMixin):
  10     acceptable_elements = ('a', 'abbr', 'acronym', 'address', 'b', 'big',
  11         'blockquote', 'br', 'caption', 'center', 'cite', 'code', 'col',
  12         'colgroup', 'dd', 'del', 'dfn', 'dir', 'div', 'dl', 'dt', 'em', 'font',
  13         'h1', 'h2', 'h3', 'h4', 'h5', 'h6', 'hr', 'i', 'img', 'ins', 'kbd',
  14         'li', 'ol', 'p', 'pre', 'q', 's', 'samp', 'small', 'span', 'strike',
  15         'strong', 'sub', 'sup', 'table', 'tbody', 'td', 'tfoot', 'th', 'thead',
  16         'tr', 'tt', 'u', 'ul', 'var')
  17
  18     acceptable_attributes = ('abbr', 'align', 'alt', 'axis', 'border',
  19         'cellpadding', 'cellspacing', 'char', 'charoff', 'charset', 'cite',
  20         'cols', 'colspan', 'datetime', 'dir', 'frame', 'headers', 'height',
  21         'href', 'hreflang', 'hspace', 'lang', 'longdesc', 'name', 'nohref',
  22         'noshade', 'nowrap', 'rel', 'rev', 'rows', 'rowspan', 'rules', 'scope',
  23         'span', 'src', 'start', 'summary', 'title', 'type', 'valign', 'vspace',
  24         'width')
  25
  26     allowed_elements = acceptable_elements
  27     allowed_attributes = acceptable_attributes
  28     allowed_css_properties = ()
  29     allowed_css_keywords = ()
  30     allowed_svg_properties = ()
  31
  32 class HTMLSanitizer(tokenizer.HTMLTokenizer, HTMLSanitizerMixin):
  33
  34     def __iter__(self):
  35         for token in tokenizer.HTMLTokenizer.__iter__(self):
  36             token = self.sanitize_token(token)
  37             if token:
  38                 yield token
  39
  40 def sanitize_html(html):
  41     """Sanitizes an HTML fragment."""
  42     p = HTMLParser(tokenizer=HTMLSanitizer,
  43                             tree=treebuilders.getTreeBuilder("dom"))
  44     dom_tree = p.parseFragment(html)
  45     walker = treewalkers.getTreeWalker("dom")
  46     stream = walker(dom_tree)
  47     s = serializer.HTMLSerializer(omit_optional_tags=False,
  48                                   quote_attr_values=True)
  49     output_generator = s.serialize(stream)
  50     return u''.join(output_generator)
  51
  52 def cleanup_urls(url):
  53     return strip_tags(url)
  54
  55
  56 def html2text(s, ignore_tags=(), indent_width=4, page_width=80):
  57     ignore_tags = [t.lower() for t in ignore_tags]
  58     parser = HTML2Text(ignore_tags, indent_width, page_width)
  59     parser.feed(s)
  60     parser.close()
  61     parser.generate()
  62     return mark_safe(parser.result)
  63
  64 def buildtag(name, content, **attrs):
  65     return mark_safe('<%s %s>%s</%s>' % (name, " ".join('%s="%s"' % i for i in attrs.items()), unicode(content), name))
  66
  67 def hyperlink(url, title, **attrs):
  68     return mark_safe('<a href="%s" %s>%s</a>' % (url, " ".join('%s="%s"' % i for i in attrs.items()), title))
  69
  70 def objlink(obj, **attrs):
  71     return hyperlink(settings.APP_URL + obj.get_absolute_url(), unicode(obj), **attrs)
  72
  73
  74
  75