Инструменты разработчика · Экранирующий элемент HTML
Декодирование объектов HTML без внутреннего HTML: как работает декодер справочной таблицы
· Как это работает
Опубликовано by ToolAcre · Редакционный обзор
HTML безопасность кодирование

Популярный прием декодирования сущностей путем присвоения их внутреннему HTML пропускает вводимые данные через анализатор HTML, а это именно то, что вам не нужно. В этом посте объясняется более безопасный табличный подход и то, как он обрабатывает именованные, десятичные и шестнадцатеричные ссылки.
Декодер, выполнивший <img onerror> — конкретный случай, когда «просто декодируйте» стало выполнением сценария.
Использовать element.innerHTML декодировать & но и парс HTMLтакой ценности, как <img src=x onerror=...> можно создать элемент и атрибут event-handler. Когда цель состоит только в том, чтобы расшифровать ссылки на символы, продолжайте вставлять HTMLтекст как данные вместо того, чтобы разбирать его на DOM дерево.
Что на самом деле делает внутренний HTML со строкой — синтаксический анализ, создание элементов и атрибуты обработчика событий, а не просто замена сущности
InnerHTML вызывает синтаксический анализатор HTML: теги становятся узлами, атрибуты приобретают значение браузера, а более позднее чтение textContent удаляет разметку из результата. Тег <strong>, который вы намеревались сохранить как буквальный ввод, может исчезнуть при форматировании текста. Отсоединенный элемент не является общей гарантией безопасности; код часто повторно вставляет это поддерево или использует полученный HTML в другом месте. Если вам нужно отобразить ненадежный ввод, назначайте textContent и очищайте его только в том случае, если вы сознательно решите отображать HTML.
Подход с помощью таблицы поиска — регулярное выражение для &name;, &#NNN; и &#xHHH; и сопоставление имен с символами
ToolAcreдекодер использует ограниченное регулярное выражение, чтобы найти ссылку на форму &name;, { или {Названные ссылки просматриваются в практической явной таблице, включая amp, lt, gt, цитаты и общую типографику. Неизвестное имя оставляется как написанное, а не угадываемое. Этот подход не создает никаких элементов и не требует HTML парсер; он просто заменяет распознанные подстроки в строке. Таблица является преднамеренно подмножеством, не все HTML названы имена персонажей.
Обработка числовых ссылок — анализ десятичных и шестнадцатеричных кодовых точек и преобразование их в строки, включая астральные символы.
Для числовой ссылки проанализируйте десятичное число после &# или шестнадцатеричное число после &#x, затем преобразуйте числовой код в символ с помощью String.fromCodePoint. Астральное значение, такое как 0x1F600, дает смайлик, а не два независимых печатных символа. Реализация также отображает исторические значения диапазона управления Windows-1252, как это делают браузеры; ноль, суррогатные кодовые точки и значения выше U+10FFFF становятся символом замены. Эта явная обработка ошибок предотвращает сбой декодера из-за неверного числа.
Пример: декодирование строки, которая смешивается &, © и 😀 - каждый матч, решенный из таблицы или номера
Декодировать буквальный вход &, © и 😀: первые справочные карты через названную таблицу к &, десятичным 169 ©, а hex 1F600 становится 😀. Включая сырой <img onerror="alert(1)"> рядом с ними. Декодер возвращает эту последовательность в виде обычных символов строки; он не создает изображение или не выполняет событие. При последующем размещении результата на реальной странице используйте безопасную текстовую раковину, а не берите декодированную строку и присваивайте ее обратно на внутреннюю HTML.
Чего не будет делать табличный подход — устаревшие ссылки без точек с запятой и особенности восстановления ошибок синтаксического анализатора, если они не будут реализованы намеренно.
Подход поиска намеренно не воспроизводит устаревшие правила восстановления без точки с запятой синтаксического анализатора HTML. © без точки с запятой может остаться нетронутым. В таблице с фиксированным именем также отсутствуют многие из более чем двух тысяч именованных ссылок HTML5. Эти ограничения являются честным компромиссом для небольшого предсказуемого декодера; принятие только явных завершаемых ссылок позволяет избежать обработки произвольной прозы, содержащей амперсанд, как разметки. Проверьте документированные поддерживаемые названия инструмента, если необходима полная совместимость с браузером.
Чего это не касается — очистку HTML, которую вы собираетесь визуализировать, что представляет собой другую проблему.
Декодирование ссылок не очищает HTML для отображения. Если декодированный текст содержит последовательность <script>, это остается опасным, если другая часть приложения позже вставит ее как разметку. Для каждого контекста, такого как атрибут HTML, строка JavaScript и URL, требуется своя собственная кодировка вывода и политика. ToolAcre возвращает текст; оно не может сделать будущую небезопасную раковину безопасной.
Вывод: обрабатывайте входные данные как данные — как экранирующий элемент HTML декодирует с помощью таблицы поиска, а не синтаксического анализатора HTML, поэтому ваш ввод остается текстом
Рассматривайте входные данные как данные. HTML escaper-объект декодирует с помощью таблицы и арифметических операций с кодовыми точками, а не с помощью внутреннего HTML-трюка, поэтому полезные данные, похожие на разметку, остаются инертными символами внутри инструмента. Попробуйте три ссылки, затем проверьте как декодированный текст, так и то, как вы планируете его использовать дальше: граница безопасности теряется, если вы повторно анализируете его как HTML.