我如何能找到100%确定HTML标签内的JS

How i can find 100% sure a JS inside of HTML tag?

本文关键字：标签 JS HTML 确定 何能找 100%      更新时间：2023-09-26

我需要用一些HTML标签保存一些数据，所以我不能为所有文本使用strip_tags，我不能使用htmlentities，因为文本必须由标签修改。为了保护其他用户不受XSS的攻击，我必须从标签内部删除任何JavaScript。

最好的方法是什么?

如果您需要在数据库中保存HTML标记，然后希望将其打印回浏览器，那么使用内置的PHP函数实现此目的没有100%安全的方法。当没有html标签时，这很容易，当你只有文本时，你可以使用内置的PHP函数来清除文本。

有一些函数可以从文本中清除XSS，但它们不是100%安全，并且总是有一种方法可以让XSS不被注意到。你的regex的例子是好的，但如果我使用，让我们说< script>alert('xss')</script>，或一些其他的组合，regex可能错过和浏览器将执行。

最好的方法是使用HTML净化器

还要注意，有两个级别的安全性，第一级是在数据进入数据库时，第二级是在数据离开数据库时。

希望这对你有帮助!

如果你想允许特定的标签，你必须解析HTML。

已经有一个很好的库用于此目的:HTML净化器(LGPL下的开源)

我建议您使用DOMDocument(与loadHTML)来加载所述HTML，删除您不想看到的每种标记和每个属性，并保存回HTML(使用saveXML或saveHTML)。可以通过递归地遍历文档根节点的子节点，并用它们的内部内容替换不需要的标记来实现这一点。由于loadHTML以与浏览器类似的方式加载代码，因此它比使用正则表达式更安全。

EDIT这是我做的一个"净化"函数:

<?php
function purifyNode($node, $whitelist)
{
    $children = array();
    // copy childNodes since we're going to iterate over it and modify the collection
    foreach ($node->childNodes as $child)
        $children[] = $child;
    foreach ($children as $child)
    {
        if ($child->nodeType == XML_ELEMENT_NODE)
        {
            purifyNode($child, $whitelist);
            if (!isset($whitelist[strtolower($child->nodeName)]))
            {
                while ($child->childNodes->length > 0)
                    $node->insertBefore($child->firstChild, $child);
                $node->removeChild($child);
            }
            else
            {
                $attributes = $whitelist[strtolower($child->nodeName)];
                // copy attributes since we're going to iterate over it and modify the collection
                $childAttributes = array();
                foreach ($child->attributes as $attribute)
                    $childAttributes[] = $attribute;
                foreach ($childAttributes as $attribute)
                {
                    if (!isset($attributes[$attribute->name]) || !preg_match($attributes[$attribute->name], $attribute->value))
                        $child->removeAttribute($attribute->name);
                }
            }
        }
    }
}
function purifyHTML($html, $whitelist)
{
    $doc = new DOMDocument();
    $doc->loadHTML($html);
    // make sure <html> doesn't have any attributes
    while ($doc->documentElement->hasAttributes())
        $doc->documentElement->removeAttributeNode($doc->documentElement->attributes->item(0));
    purifyNode($doc->documentElement, $whitelist);
    $html = $doc->saveHTML();
    $fragmentStart = strpos($html, '<html>') + 6; // 6 is the length of <html>
    return substr($html, $fragmentStart, -8); // 8 is the length of </html> + 1
}
?>

您将使用不安全的HTML字符串和预定义的标记和属性白名单调用purifyHTML。白名单格式为'tag' => array('attribute' => 'regex')。白名单中不存在的标记被剥离，其内容内联在父标记中。白名单中给定标签不存在的属性也会被删除;白名单中存在但与正则表达式不匹配的属性也会被删除。

下面是一个例子:

<?php
$html = <<<HTML
<p>This is a paragraph.</p>
<p onclick="alert('xss')">This is an evil paragraph.</p>
<p><a href="javascript:evil()">Evil link</a></p>
<p><script>evil()</script></p>
<p>This is an evil image: <img src="error.png" onerror="evil()"/></p>
<p>This is nice <b>bold text</b>.</p>
<p>This is a nice image: <img src="http://example.org/image.png" alt="Nice image"></p>
HTML;
// whitelist format: tag => array(attribute => regex)
$whitelist = array(
    'b' => array(),
    'i' => array(),
    'u' => array(),
    'p' => array(),
    'img' => array('src' => '@'Ahttp://.+'Z@', 'alt' => '@.*@'),
    'a' => array('href' => '@'Ahttp://.+'Z@')
);
$purified = purifyHTML($html, $whitelist);
echo $purified;
?>

结果是:

<p>This is a paragraph.</p>
<p>This is an evil paragraph.</p>
<p><a>Evil link</a></p>
<p>evil()</p>
<p>This is an evil image: <img></p>
<p>This is nice <b>bold text</b>.</p>
<p>This is a nice image: <img src="http://example.org/image.png" alt="Nice image"></p>

显然，您不希望允许任何on*属性，并且我会建议不要使用style，因为behavior等奇怪的专有属性。确保所有URL属性都用一个体面的正则表达式进行验证，匹配完整的字符串 ('Aregex'Z)。

我写了这段代码，你可以设置一个列表的标签和属性来删除

function RemoveTagAttribute($Dom,$Name){
    $finder = new DomXPath($Dom);
    if(!is_array($Name))$Name=array($Name);
    foreach($Name as $Attribute){
        $Attribute=strtolower($Attribute);
        do{
          $tag=$finder->query("//*[@".$Attribute."]");
          //print_r($tag);
          foreach($tag as $T){
            if($T->hasAttribute($Attribute)){
               $T->removeAttribute($Attribute);
            }
          }
        }while($tag->length>0);  
    }
    return $Dom;
}
function RemoveTag($Dom,$Name){
    if(!is_array($Name))$Name=array($Name);
    foreach($Name as $tagName){
        $tagName=strtolower($tagName);
        do{
          $tag=$Dom->getElementsByTagName($tagName);
          //print_r($tag);
          foreach($tag as $T){
            //
            $T->parentNode->removeChild($T);
          }
        }while($tag->length>0);
    }
    return $Dom;
}

的例子:

  $dom= new DOMDocument; 
   $HTML = str_replace("&", "&amp;", $HTML);  // disguise &s going IN to loadXML() 
  // $dom->substituteEntities = true;  // collapse &s going OUT to transformToXML() 
   $dom->recover = TRUE;
   @$dom->loadHTML('<?xml encoding="UTF-8">' .$HTML); 
   // dirty fix
   foreach ($dom->childNodes as $item)
    if ($item->nodeType == XML_PI_NODE)
      $dom->removeChild($item); // remove hack
   $dom->encoding = 'UTF-8'; // insert proper
  $dom=RemoveTag($dom,"script");
  $dom=RemoveTagAttribute($dom,array("onmousedown","onclick"));
  echo $dom->saveHTML();

相关文章：