ไทย

เครื่องมือสำหรับนักพัฒนา · HTML ตัวหนีเอนทิตี

การถอดรหัสเอนทิตี HTML ที่ไม่มี HTML ภายใน: วิธีการทำงานของตัวถอดรหัสตารางการค้นหา

· มันทำงานอย่างไร

เผยแพร่โดย ToolAcre · บทวิจารณ์เพิ่มเติม

html ความปลอดภัย การเข้ารหัส

การเข้ารหัสการอ้างอิง HTML การแมปกับข้อความที่ไม่เป็นอันตรายโดยไม่ต้องสร้างโหนด DOM
ภาพประกอบเวกเตอร์ต้นฉบับ ToolAcre

เคล็ดลับยอดนิยมในการถอดรหัสเอนทิตีโดยการกำหนดให้กับ innerHTML จะรันอินพุตของคุณผ่านตัวแยกวิเคราะห์ HTML ซึ่งเป็นสิ่งที่คุณไม่ต้องการอย่างแน่นอน โพสต์นี้จะอธิบายวิธีการที่ใช้ตารางที่ปลอดภัยกว่า และวิธีการจัดการการอ้างอิงที่มีชื่อ ทศนิยม และฐานสิบหก

ตัวถอดรหัสที่ดำเนินการ <img onerror> - กรณีที่เป็นรูปธรรมซึ่ง 'เพิ่งถอดรหัสมัน' กลายเป็นการเรียกใช้สคริปต์

ใช้ element.innerHTML ถอดรหัส &amp; แต่ยังมีข้อกังขา HTMLค่า เช่น <img src=x onerror=...> สามารถสร้างองค์ประกอบ และคุณสมบัติของมืองาน เมื่อเป้าหมายคือเพื่อถอดรหัสคําอ้างอิง ให้แปะไว้ HTML- เหมือนข้อความเป็นข้อมูล แทนที่จะแยกเป็น DOM ต้นไม้.

สิ่งที่ InnerHTML ทำได้จริงกับสตริง — การแยกวิเคราะห์ การสร้างองค์ประกอบ และแอตทริบิวต์ตัวจัดการเหตุการณ์ ไม่ใช่แค่การแทนที่เอนทิตีเท่านั้น

innerHTML เรียกใช้ HTML parser: แท็กกลายเป็นโหนด คุณลักษณะรับความหมายของเบราว์เซอร์ และเนื้อหาข้อความในภายหลังจะตัดมาร์กอัปออกจากผลลัพธ์ แท็ก <strong> ที่คุณตั้งใจจะเก็บรักษาไว้เป็นการป้อนตามตัวอักษรอาจหายไปเมื่อจัดรูปแบบข้อความ องค์ประกอบที่แยกออกมาไม่ใช่การรับประกันความปลอดภัยโดยทั่วไป รหัสมักจะแทรกแผนผังย่อยนั้นอีกครั้งหรือใช้ผลลัพธ์ HTML ที่อื่น หากคุณต้องการแสดงอินพุตที่ไม่น่าเชื่อถือ ให้กำหนดเนื้อหาข้อความและทำความสะอาดเฉพาะเมื่อคุณตั้งใจเลือกที่จะแสดงผล HTML

วิธีการตารางการค้นหา — นิพจน์ทั่วไปสำหรับ &name;, &#NNN; และ &#xHHH; และแผนที่จากชื่อถึงตัวอักษร

ToolAcreตัวถอดรหัสใช้สํานวนปกติเพื่อหาคําอ้างอิงในแบบฟอร์ม &name;, &#123; หรือ &#x7B;อ้างอิงที่มีชื่อจะถูกค้นหาในตารางที่ใช้งานได้จริง รวมถึง amp, lt, gt, signation และอักษรไขว้ทั่วไป ชื่อที่ไม่ทราบจะถูกทิ้งไว้เป็นการเขียนมากกว่าคาดเดา วิธีนี้สร้างธาตุใด ๆ และเรียกไม่ HTML ตัววิเคราะห์; มันแทนที่ข้อความย่อยที่รู้จักในสตริง ตารางเป็นสับเซตอย่างจงใจ, ไม่ใช่ทั้งหมด HTML ชื่อที่อ้างถึงตัวอักษร.

การจัดการการอ้างอิงที่เป็นตัวเลข - การแยกวิเคราะห์จุดรหัสทศนิยมและเลขฐานสิบหกและแปลงเป็นสตริงรวมถึงอักขระดาว

สำหรับการอ้างอิงที่เป็นตัวเลข ให้แยกวิเคราะห์ทศนิยมหลัง &# หรือเลขฐานสิบหกหลัง &#x จากนั้นเปลี่ยนจุดโค้ดตัวเลขให้เป็นอักขระที่มี String.fromCodePoint ค่าดวงดาว เช่น 0x1F600 จะให้ผลลัพธ์เป็นอีโมจิ ไม่ใช่อักขระที่สามารถพิมพ์แยกกันสองตัวได้ การใช้งานยังแมปค่าช่วงการควบคุม Windows-1252 ในอดีตเช่นเดียวกับที่เบราว์เซอร์ทำ ศูนย์ จุดโค้ดตัวแทนและค่าที่สูงกว่า U+10FFFF จะกลายเป็นอักขระแทนที่ การจัดการข้อผิดพลาดที่ชัดเจนนั้นช่วยป้องกันไม่ให้หมายเลขที่ไม่ถูกต้องทำให้ตัวถอดรหัสเสียหาย

ตัวอย่างการทํางาน: การถอดรหัสเชือกที่ผสมกัน &amp;, &#169; และ &#x1F600; -แต่ละคู่จะแก้ไขจากตาราง หรือหมายเลข

ถอดรหัสค่านําเข้าตามตัวอักษร &amp;, &#169; และ &#x1F600;สืบค้นเมื่อ: 169 กลายเป็น ake, และhex 1 F600 กลายเป็น 😀 รวมพวกดิบด้วย <img onerror="alert(1)"> ข้างๆพวกเขา ตัวถอดรหัส () จะคืนค่ากลับมาเป็นลําดับของอักขระที่มีกรอบตัวอักษรเป็นอักขระธรรมดา ๆ ซึ่งมันไม่สร้างภาพหรือประมวลผลเหตุการณ์ เมื่อ นํา ผล ออก มา เป็น หน้า จริง ใน ภาย หลัง ให้ ใช้ อ่าง เก็บ ข้อ ความ ที่ ปลอด ภัย แทน ที่ จะ เอา ข้อ ความ ที่ ถอด รหัส แล้ว มอบ ให้ กลับ ไป ยัง ส่วน ที่ อยู่ ใน HTML.

สิ่งที่วิธีการแบบตารางจะไม่ทำ - การอ้างอิงแบบไม่มีอัฒภาคแบบเดิมและลักษณะเฉพาะในการกู้คืนข้อผิดพลาดของ parser เว้นแต่จะมีการนำไปใช้โดยเจตนา

วิธีการค้นหามีเจตนาไม่สร้างกฎการกู้คืนแบบไม่ใช้อัฒภาคแบบเดิมของ HTML ของ parser &copy โดยไม่มีเครื่องหมายอัฒภาคอาจไม่ถูกแตะต้อง ตารางที่มีชื่อคงที่ยังละเว้นการอ้างอิงที่มีชื่อ HTML5 มากกว่าสองพันรายการอีกด้วย ข้อจำกัดเหล่านั้นเป็นการแลกเปลี่ยนอย่างซื่อสัตย์สำหรับตัวถอดรหัสขนาดเล็กที่คาดเดาได้ การยอมรับเฉพาะการอ้างอิงที่ยุติอย่างชัดเจนเท่านั้นที่จะหลีกเลี่ยงการปฏิบัติต่อร้อยแก้วตามอำเภอใจที่มีเครื่องหมายแอมเพอร์แซนด์เป็นมาร์กอัป ตรวจสอบชื่อที่สนับสนุนโดยเอกสารของเครื่องมือว่าจำเป็นต้องมีความเข้ากันได้ของเบราว์เซอร์เต็มรูปแบบหรือไม่

สิ่งนี้ไม่ครอบคลุมถึง - การฆ่าเชื้อ HTML ที่คุณตั้งใจจะแสดงผล ซึ่งเป็นปัญหาอื่น

การอ้างอิงการถอดรหัสไม่ได้ฆ่าเชื้อ HTML สำหรับการแสดงผล หากข้อความที่ถอดรหัสมีลำดับ <script> ก็จะยังคงเป็นอันตรายหากส่วนอื่นของแอปพลิเคชันแทรกในภายหลังเป็นมาร์กอัป บริบท เช่น แอตทริบิวต์ HTML สตริง JavaScript และ URL แต่ละรายการจำเป็นต้องมีการเข้ารหัสเอาต์พุตและนโยบายของตนเอง ToolAcre ส่งคืนข้อความ; มันไม่สามารถทำให้อ่างล้างจานที่ไม่ปลอดภัยในอนาคตปลอดภัยได้

ประเด็นสำคัญ: ถือว่าอินพุตเป็นเหมือนข้อมูล — วิธีที่ HTML เอนทิตี Escaper ถอดรหัสด้วยตารางการค้นหา แทนที่จะเป็น HTML parser ดังนั้นอินพุตของคุณจึงยังคงเป็นข้อความ

ถือว่าอินพุตเป็นข้อมูล HTML ตัวหลีกเอนทิตีถอดรหัสด้วยตารางและเลขคณิตจุดโค้ด ไม่ใช่เคล็ดลับ HTML ภายใน ดังนั้นเพย์โหลดที่ดูมาร์กอัปยังคงเป็นอักขระเฉื่อยภายในเครื่องมือ ลองใช้ข้อมูลอ้างอิงทั้งสามรายการ จากนั้นตรวจสอบทั้งข้อความที่ถอดรหัสแล้วและวิธีที่คุณวางแผนจะใช้ต่อไป: ขอบเขตความปลอดภัยจะหายไปหากคุณแยกวิเคราะห์ใหม่เป็น HTML