HTML Purifier 与 MathML 自闭合标签的兼容性配置指南

HTML Purifier 默认将 MathML 中的自闭合标签（如 ）转换为非标准开标签（），破坏语义与渲染；需通过 HTML.AllowedElements 和 HTML.Definition 扩展定制 MathML 支持，禁用自动闭合修正。

在富文本编辑器中处理包含数学公式的内容时，一个隐蔽但致命的问题偶尔会跳出来：HTML Purifier 会把 MathML 里那些合法的自闭合标签，比如 或 ，擅自改写成 甚至裸的 。结果呢？浏览器解析 MathML 结构时直接报错，公式渲染崩得一塌糊涂。

这其实不是 Purifier 的 Bug，而是它基于 HTML5 规范的设计使然——它把所有标签都当成标准的 HTML 元素，强制转化为“可嵌套容器”模型。但问题在于，MathML 里的 这类元素，本质上是 XML 语义中的“void-like”空元素，自闭合写法本身就承载着不可省略的语法意义。两者的“世界观”在这里撞车了。

这就引出一个很实际的问题：如何让 Purifier “理解”并放过这些特殊的自闭合标签？

✅ 正确解决方案：扩展 HTML Definition 支持 MathML 自闭合标签

HTML Purifier 并没有提供一个叫 escape_self_closing_tags 的开关让你一键搞定。但好在它允许通过自定义 HTML 定义，显式把这些 MathML 空元素声明为 empty 类型。这样做就能保留其自闭合语法——至少保证不会生成非法的闭合结构。

下面是一个适用于 Lara vel + mews/purifier 的完整配置示例，可以直接拿来用：

// config/purifier.php（Lara vel 配置文件）
return [
    'default' => [
        'HTML.Doctype'             => 'XHTML 1.0 Strict',
        'HTML.Allowed'             => 'p,math[xmlns],mmultiscripts,mi,mn,mprescripts,none',
        'HTML.DefinitionID'        => 'mathml-support',
        'HTML.DefinitionRev'       => 1,
        'Cache.DefinitionImpl'     => null, // 禁用缓存以确保定义生效
    ],
];

接下来，需要在服务提供者中注册这个自定义定义。以 Lara vel 为例，可以在 App\Providers\AppServiceProvider::boot() 中写：

use HTMLPurifier_Config;
use HTMLPurifier_DefinitionCache_Decorator;
use HTMLPurifier_HTMLDefinition;

HTMLPurifier_Config::setDefinition('mathml-support', function ($config) {
    $def = new HTMLPurifier_HTMLDefinition();

    // 声明 MathML 空元素为 'empty' —— 这一步是关键
    $def->addElement('mprescripts', 'Empty', null, array());
    $def->addElement('none', 'Empty', null, array());

    // 声明容器元素（需要显式允许子元素）
    $def->addElement('math', 'Block', 'Optional: (mmultiscripts | mi | mn)*', array('xmlns' => 'Enum#http://www.w3.org/1998/Math/MathML'));
    $def->addElement('mmultiscripts', 'Inline', 'Optional: (mi | mn | mprescripts | none)*', array());
    $def->addElement('mi', 'Inline', 'Text', array());
    $def->addElement('mn', 'Inline', 'Text', array());

    return $def;
});

⚠️ 注意事项：

• 必须将 HTML.Doctype 设为 XHTML 1.0 Strict 或 XHTML 1.1，不要用默认的 HTML 4.01 Transitional。因为 MathML 是 XHTML 的扩展模块，只有在 XML 兼容模式下才能被正确定义。
• Empty 类型的元素不会生成闭合标签，Purifier 会原样保留 。你可能在输出中看到的是 ，但 DOM 解析器会按照 XML 规则来处理它。
• 如果需要严格输出末尾的斜杠（比如 ），还需要配合 Output.FlashCompat = false 和 Core.AggressivelyFixLt = false，并且确保输入本身是良构的 XML。
• mews/purifier 默认启用了一些安全规则（比如 Core.RemoveInvalidImg），如果你的 MathML 中依赖了 之类的图像标签，别忘了额外加进白名单。

? 验证与调试建议

配置完了，怎么确认它确实生效了？这里有几个实用的办法：

1. 启用调试输出：临时把 'HTML.TidyLevel' 设为 'hea vy'，可以查看 Purifier 内部的标签重写日志，一目了然。
2. 对比原始与净化后的 DOM：用 DOMDocument::loadHTML() 加载净化结果，检查 none 节点的 nodeType 是否为 XML_ELEMENT_NODE，并且没有子节点。这能直接验证空元素是否被正确处理。
3. 避免双重净化：千万不要在输入存储时净化一次，然后在输出展示前又净化一次。MathML 的结构非常脆弱，重复处理很容易把它拆得七零八落。

✅ 总结

说到底，HTML Purifier 对 MathML 的支持并不是开箱即用的。你需要主动扩展 HTML 定义，把 、 这类语义空元素注册为 Empty 类型。这既符合 MathML 的规范，也完全规避了因标签重写导致的渲染崩溃。

记住一句话：安全 ≠ 一刀切删除，而是精准建模语义。对于科学出版、在线教育平台这些重度依赖 MathML 的场景，这个配置方案可以说是生产环境下的必备实践。