Tiếng Việt

Công cụ dành cho nhà phát triển · HTML bộ thoát thực thể

Giải mã các thực thể HTML không có HTML bên trong: cách hoạt động của bộ giải mã bảng tra cứu

· Cách thức hoạt động

Do ToolAcre · Xem xét bộ sửa

html bảo vệ mã hóa

Đã mã hóa HTML tham chiếu ánh xạ tới văn bản vô hại mà không tạo nút DOM
Hình minh họa vector ToolAcre gốc

Thủ thuật phổ biến để giải mã các thực thể bằng cách gán cho InternalHTML sẽ chạy dữ liệu đầu vào của bạn thông qua trình phân tích cú pháp HTML, đây chính xác là điều bạn không muốn. Bài đăng này giải thích cách tiếp cận dựa trên bảng an toàn hơn và cách nó xử lý các tham chiếu được đặt tên, thập phân và hex.

Bộ giải mã đã thực thi <img onerror> - một trường hợp cụ thể trong đó 'chỉ cần giải mã nó' đã trở thành thực thi tập lệnh

Dùng element.innerHTML giải mã &amp; nhưng cũng phân tích HTMLGiá trị như <img src=x onerror=...> có thể tạo ra một yếu tố và nguồn gốc của sự kiện. Khi mục tiêu chỉ là để giải mã các tham khảo ký tự, giữ dán HTML-như văn bản như dữ liệu thay vì phân tích nó thành một DOM cây.

Những gì InsideHTML thực sự làm với một chuỗi - các thuộc tính phân tích cú pháp, tạo phần tử và xử lý sự kiện, không chỉ thay thế thực thể

bên trongHTML gọi trình phân tích cú pháp HTML: các thẻ trở thành nút, các thuộc tính thu được ý nghĩa của trình duyệt và sau đó, nội dung đọc văn bản sẽ loại bỏ đánh dấu khỏi kết quả. Thẻ <strong> mà bạn dự định giữ nguyên dưới dạng dữ liệu nhập bằng chữ có thể biến mất dưới dạng định dạng văn bản. Một phần tử tách rời không phải là sự đảm bảo an toàn chung; mã thường chèn lại cây con đó hoặc sử dụng kết quả HTML ở nơi khác. Nếu bạn cần hiển thị dữ liệu đầu vào không đáng tin cậy, hãy chỉ định nội dung văn bản và dọn dẹp khi bạn cố tình chọn hiển thị HTML.

Cách tiếp cận bảng tra cứu — biểu thức chính quy cho &name;, &#NNN; và &#xHHH;, và bản đồ từ tên đến ký tự

ToolAcrengười giải mã của ông dùng một biểu thức chính quy có giới hạn để tìm một hình thức tham khảo &name;, &#123; hay &#x7B;Những tham khảo có tên được tra trên bảng rõ ràng, bao gồm amp, gt, dấu ngoặc kép và chữ viết tay thông thường. Một tên lạ được để lại như được viết ra thay vì đoán. Cách tiếp cận này tạo ra không có yếu tố và gọi không HTML phân tích; nó chỉ đơn giản thay thế các dây phụ được nhận diện bằng một chuỗi. Bảng này được cố ý đặt dưới, không phải tất cả HTML chỉ ra kí tự tên.

Xử lý các tham chiếu số - phân tích các điểm mã thập phân và thập lục phân và chuyển đổi chúng thành chuỗi, bao gồm cả các ký tự astral

Đối với tham chiếu số, hãy phân tích cú pháp số thập phân sau &# hoặc thập lục phân sau &#x, sau đó chuyển điểm mã số thành ký tự có String.fromCodePoint. Giá trị trung gian như 0x1F600 mang lại biểu tượng cảm xúc chứ không phải hai ký tự có thể in độc lập. Việc triển khai cũng ánh xạ các giá trị phạm vi điều khiển Windows-1252 lịch sử giống như trình duyệt thực hiện; 0, các điểm mã thay thế và các giá trị trên U+10FFFF trở thành ký tự thay thế. Việc xử lý lỗi rõ ràng đó giúp số không hợp lệ không làm hỏng bộ giải mã.

Ví dụ làm việc: Giải mã một chuỗi có trộn &amp;, &#169; và &#x1F600; — mỗi trận đấu được giải quyết từ bàn hoặc số điện thoại

Cắt mã nhập theo nghĩa đen &amp;, &#169; và &#x1F600;: bản đồ tham chiếu đầu tiên qua bảng tên thành &, thập phân 169 và hex 1F600 trở thành BAR Bao gồm một thô <img onerror="alert(1)"> bên cạnh họ. Bộ giải mã trả lại chuỗi xem thẻ đó như là ký tự chuỗi bình thường; nó không tạo ảnh hay thực hiện một sự kiện. Khi đưa kết quả vào trang có thật, hãy dùng một đoạn an toàn để chìm chứ không dùng chuỗi đã được giải mã và đặt nó lại vào trong HTML.

Cách tiếp cận bảng sẽ không làm được gì - các tham chiếu kế thừa không có dấu chấm phẩy và các vấn đề khó phục hồi lỗi của trình phân tích cú pháp, trừ khi được thực hiện có chủ ý

Phương pháp tra cứu có chủ ý không tái tạo các quy tắc khôi phục không có dấu chấm phẩy cũ của trình phân tích cú pháp HTML. &bản sao không có dấu chấm phẩy có thể không bị ảnh hưởng. Bảng có tên cố định cũng bỏ qua nhiều trong số hơn hai nghìn tham chiếu có tên HTML5. Những hạn chế đó là sự đánh đổi trung thực cho một bộ giải mã nhỏ có thể dự đoán được; chỉ chấp nhận các tài liệu tham khảo đã chấm dứt rõ ràng để tránh coi văn xuôi tùy tiện có chứa ký hiệu làm đánh dấu. Kiểm tra tên được hỗ trợ trong tài liệu của công cụ nếu cần có khả năng tương thích hoàn toàn với trình duyệt.

Điều này không bao gồm những gì — làm sạch HTML bạn định kết xuất, đây lại là một vấn đề khác

Tham chiếu giải mã không lọc HTML để hiển thị. Nếu văn bản được giải mã chứa chuỗi <script> thì vẫn nguy hiểm nếu sau đó một phần khác của ứng dụng chèn nó làm đánh dấu. Các ngữ cảnh như thuộc tính HTML, chuỗi JavaScript và URL, mỗi ngữ cảnh đều cần có chính sách và mã hóa đầu ra riêng. ToolAcre trả về văn bản; nó không thể làm cho một chiếc bồn rửa không an toàn trong tương lai trở nên an toàn.

Bài học rút ra: coi đầu vào là dữ liệu — cách trình thoát thực thể HTML giải mã bằng bảng tra cứu thay vì trình phân tích cú pháp HTML, để đầu vào của bạn vẫn là văn bản

Xử lý đầu vào dưới dạng dữ liệu. HTML trình thoát thực thể giải mã bằng bảng và số học điểm mã, không phải thủ thuật bên trongHTML, do đó, tải trọng trông giống như đánh dấu vẫn giữ nguyên các ký tự trơ trong công cụ. Hãy thử ba tham chiếu, sau đó kiểm tra cả văn bản được giải mã và cách bạn dự định sử dụng nó tiếp theo: ranh giới an toàn sẽ bị mất nếu bạn phân tích cú pháp thành HTML.