Entwicklertools · HTML-Entity-Escaper
HTML-Entitäten ohne innerHTML dekodieren: So funktioniert ein Lookup-Table-Decoder
· Wie es funktioniert
Veröffentlicht von ToolAcre · Redaktionelle Überprüfung
html Sicherheit Kodierung

Der beliebte Trick, Entitäten durch Zuweisung zu innerHTML zu dekodieren, führt Ihre Eingabe durch den HTML-Parser, was genau das ist, was Sie nicht wollen. In diesem Beitrag wird der sicherere tabellenbasierte Ansatz erläutert und wie er mit benannten, dezimalen und hexadezimalen Referenzen umgeht.
Der Decoder, der einen <img onerror> ausgeführt hat – ein konkreter Fall, in dem „einfach dekodieren“ zur Skriptausführung wurde
Verwendung element.innerHTML decodierungen & sondern auch parsen HTMLEin Wert wie <img src=x onerror=...> kann ein Element- und Event-Handler-Attribut erstellen. Wenn das Ziel nur darin besteht, Zeichenreferenzen zu dekodieren, bleiben Sie eingefügt HTML-wie text als daten, anstatt sie in eine DOM baum.
Was innerHTML tatsächlich mit einer Zeichenfolge macht – Analyse, Elementerstellung und Ereignishandlerattribute, nicht nur Entitätsersetzung
innerHTML ruft den HTML-Parser auf: Tags werden zu Knoten, Attribute erhalten Browserbedeutung und ein späteres Lesen von textContent entfernt Markup aus dem Ergebnis. Ein <strong>-Tag, das Sie als Literaleingabe beibehalten wollten, kann als Textformatierung verschwinden. Ein losgelöstes Element stellt keine allgemeine Sicherheitsgarantie dar; Code fügt diesen Teilbaum häufig erneut ein oder verwendet den resultierenden HTML-Code an anderer Stelle. Wenn Sie nicht vertrauenswürdige Eingaben anzeigen müssen, weisen Sie textContent zu und bereinigen Sie es nur, wenn Sie sich bewusst für die Darstellung von HTML entscheiden.
Der Lookup-Table-Ansatz – ein regulärer Ausdruck für &name;, &#NNN; und &#xHHH; und eine Zuordnung von Namen zu Zeichen
ToolAcreder decoder verwendet einen begrenzten regulären ausdruck, um eine referenz des formulars zu finden &name;, { oder {Die benannten Referenzen werden in einer praktischen expliziten Tabelle nachgeschlagen, einschließlich amp, lt, gt, Anführungszeichen und gemeinsamer Typografie. Ein unbekannter Name wird als geschrieben und nicht erraten gelassen. Dieser Ansatz erzeugt keine Elemente und ruft keine HTML parser; es ersetzt einfach erkannten Substrings in einem String. Die Tabelle ist absichtlich eine Untergruppe, nicht alle HTML namenszeichenreferenzen.
Umgang mit numerischen Referenzen – Parsen von dezimalen und hexadezimalen Codepunkten und Konvertieren dieser in Zeichenfolgen, einschließlich astraler Zeichen
Analysieren Sie für eine numerische Referenz die Dezimalzahl nach &# oder die Hexadezimalzahl nach &#x und wandeln Sie dann den numerischen Codepunkt mit String.fromCodePoint in ein Zeichen um. Ein astraler Wert wie 0x1F600 ergibt ein Emoji und nicht zwei unabhängige druckbare Zeichen. Die Implementierung ordnet auch historische Windows-1252-Kontrollbereichswerte zu, wie es Browser tun; Null, Ersatzcodepunkte und Werte über U+10FFFF werden zu einem Ersatzzeichen. Diese explizite Fehlerbehandlung verhindert, dass eine ungültige Zahl den Decoder zum Absturz bringt.
Bearbeitetes Beispiel: Decodieren eines Strings, der gemischt wird &, © und 😀 — jedes spiel, das aus der tabelle oder der zahl aufgelöst wird
Dekodieren Sie den Literal Input &, © und 😀: die ersten referenzkarten durch die benannte tabelle auf &, dezimal 169 wird ©, und hex 1F600 wird 😀. Einschließen einer Rohware <img onerror="alert(1)"> neben ihnen. Der Decoder gibt diese tag-Looking-Sequenz als gewöhnliche Zeichenketten zurück; er erstellt kein Bild oder führt ein Ereignis aus. Wenn Sie das Ergebnis später auf eine echte Seite setzen, verwenden Sie eine sichere Textsenke, anstatt die decodierte Zeichenfolge zu nehmen und sie innerHTML zurückzuordnen.
Was der Tabellenansatz nicht bewirken wird – alte semikolonlose Referenzen und Parser-Fehlerbehebungs-Macken, sofern sie nicht bewusst implementiert werden
Der Suchansatz reproduziert absichtlich nicht die alten semikolonlosen Wiederherstellungsregeln des HTML-Parsers. © ohne Semikolon bleibt möglicherweise unberührt. In der fest benannten Tabelle werden auch viele der mehr als zweitausend benannten HTML5-Referenzen weggelassen. Diese Einschränkungen sind ehrliche Kompromisse für einen kleinen, vorhersehbaren Decoder. Indem nur explizit beendete Referenzen akzeptiert werden, wird vermieden, dass willkürliche Prosa, die ein kaufmännisches Und enthält, als Markup behandelt wird. Überprüfen Sie die dokumentierten unterstützten Namen des Tools, wenn vollständige Browserkompatibilität unerlässlich ist.
Was dies nicht abdeckt – das Bereinigen von HTML, das Sie rendern möchten, was ein anderes Problem darstellt
Durch das Dekodieren von Referenzen wird HTML nicht für die Anzeige bereinigt. Wenn der dekodierte Text eine <script>-Sequenz enthält, bleibt es gefährlich, wenn ein anderer Teil einer Anwendung diese später als Markup einfügt. Kontexte wie ein HTML-Attribut, eine JavaScript-Zeichenfolge und eine URL benötigen jeweils ihre eigene Ausgabekodierung und -richtlinie. ToolAcre gibt Text zurück; Es kann ein zukünftiges unsicheres Waschbecken nicht sicher machen.
Takeaway: Behandeln Sie Eingaben als Daten – wie der HTML-Entity-Escaper mit einer Nachschlagetabelle statt mit dem HTML-Parser dekodiert, damit Ihre Eingaben Text bleiben
Eingaben als Daten behandeln. Der HTML-Entity-Escaper dekodiert mit einer Tabellen- und Codepunktarithmetik, nicht mit einem innerHTML-Trick, sodass Markup-ähnliche Nutzlasten im Tool inaktive Zeichen bleiben. Probieren Sie die drei Referenzen aus und überprüfen Sie dann sowohl den dekodierten Text als auch die geplante zukünftige Verwendung: Die Sicherheitsgrenze geht verloren, wenn Sie ihn als HTML erneut analysieren.