Re: [SAde] RE-Nachhilfe, HTML-Tags

Ingo Wiarda <[email protected]> Wed, 15 Oct 2003 11:34:18 +0200
Newsgroups	gmane.mail.spam.spamassassin.devel.de
Message-ID	<[email protected]>
Am Mittwoch 15 Oktober 2003 01:22 schrieb Wolfram Schroeder:

>
> > Wobei ich auch schon nach einer Regel für Sachen wie:
> > "Med</aristotelian>ica<exchangeable>tio</adorn>ns li<bowen>ke="
> > gesucht habe.
>
> Ich habe gerade eine Liste von gültigen HTML-Tags fertig gemacht,
>  habe damit aber im Grunde das gleiche Problem: Wie fische ich die einfachen
> Tags ohne Attribute raus, die da NICHT hinein passen?

Einfache Tags ohne Leerzeichen / Attribute könnte man mit negativem Lookahead  
erwischen, oder?
z.B. /<\/?(?!body|html|p|br|h\d)[^\s>]+>/i matcht, wenn das Tag z.B. nicht 
<body> sondern <b%dy> ist.
Die Lösung ist noch nicht optimal, da ein Tag wie <bodyslam> nicht triggern 
würde.

Allerdings kommt man um eine Regex, die alle Tags als Alternation testet, kaum 
herum. Spätestens dann, wenn der Spammer von <k!f"§sf> auf <Platon> umsteigt. 
(oder, um bei realem Spam zu bleiben:
"<wsbE>reet an<Rqo>d Fa<Kx>st Next<m>-Day Ship<t>ments<br>")

> > Vielleicht läßt sich dieser Test auf HTML-Mails begrenzen, mal sehen.
>
> Das wäre meine nächste Frage gewesen!

Vielleicht mit etwas in der Form
meta TAG_TEST  (HTML_MESSAGE && _STRANGE_TAGS)
wobei _STRANGE_TAGS den Test für einfache HTML-Tags enthält.

Nächste Frage: welchen Score würdest Du so einem Test zumessen? 

Ingo

-- 

Public Key: http://dewarim.de/de/gpg_key.txt
http://dewarim.de



-------------------------------------------------------
This SF.net email is sponsored by: SF.net Giveback Program.
SourceForge.net hosts over 70,000 Open Source Projects.
See the people who have HELPED US provide better services:
Click here: http://sourceforge.net/supporters.php