Temario Lección 60 de 156 · Inyección de scripts (XSS)
Inyección de scripts (XSS)

El escapado bien hecho

Por qué importa Todos los sistemas de plantillas y todos los frameworks llevan dentro un escapador. Escribir uno tú mismo, una vez, te muestra exactamente qué caracteres importan y por qué importa el orden de los pasos. Así, cuando veas un escapador desactivado o usado en el sitio equivocado, lo detectarás.

Una analogía: una rotuladora

Una rotuladora imprime lo que escribas. Si alguien escribe el propio código de control de la impresora, una rotuladora descuidada lo obedecería. Una cuidadosa imprime en su lugar un dibujo de ese código. Un escapador de HTML es la rotuladora cuidadosa: los caracteres especiales se imprimen, nunca se obedecen.

Entidad: un código que usa HTML para mostrar un carácter de forma segura. Empieza por & y termina en ;. &lt; muestra <, &amp; muestra &.

Los cinco caracteres

CarácterSe convierte enPor qué es especial
&&amp;empieza una entidad
<&lt;empieza una etiqueta
>&gt;termina una etiqueta
"&quot;termina un atributo entre comillas dobles
'&#x27;termina un atributo entre comillas simples

El orden importa: primero el ampersand

Si sustituyes primero <, obtienes &lt;. Si después sustituyes &, eso se convierte en &amp;lt;, y el visitante ve el texto &lt; en lugar de <. Así que sustituye primero &, y luego el resto.

"<".replace("<", "&lt;").replace("&", "&amp;")   # '&amp;lt;'  wrong: escaped twice
"<".replace("&", "&amp;").replace("<", "&lt;")   # '&lt;'      right

Por qué importan las comillas: los atributos

El texto no solo va entre etiquetas. A menudo va dentro de un atributo, como un cuadro de búsqueda que recuerda lo que escribiste:

template = '<input name="q" value="{}">'
typed = 'tent" onfocus="alert(1)'
print(template.format(typed))
# <input name="q" value="tent" onfocus="alert(1)">   the quote ended the value early

No hizo falta ningún corchete angular. La " cerró el valor y el resto se convirtió en un atributo nuevo. Escapar " como &quot; lo mantiene todo dentro del valor. Escapa también ', porque algunas plantillas usan comillas simples. Y pon siempre comillas alrededor de los valores de los atributos: sin ellas, basta un solo espacio para empezar un atributo nuevo.

Lo que no cubre el escapado

El escapado de HTML es la herramienta correcta para el texto entre etiquetas y dentro de atributos entre comillas. Es la herramienta equivocada dentro de un bloque <script>, dentro del CSS y para la dirección de un enlace: href="javascript:..." no contiene ningún carácter especial. Para los enlaces, permite solo las direcciones que empiezan por https:// o http:// (o que son relativas). Para los datos que necesita un script, ponlos en un atributo data- o en un bloque JSON que construya tu framework por ti (el json_script de Django, por ejemplo).

El ejercicio

Escribe escape_html(text). No uses html.escape aquí: la gracia es construirlo. Las pruebas lo usan entre etiquetas, en atributos con comillas dobles y simples, y con cientos de cadenas aleatorias.

Una idea equivocada muy común

"Escapar dos veces es más seguro." No es seguro, es un error: el visitante ve basura como &amp;lt; en pantalla. Escapa exactamente una vez, en el momento en que el texto entra en el HTML.

Pruébalo Cuando pases, imprime escape_html("Fish & chips <3"), y luego pega el resultado en load("<p>" + ... + "</p>").text. Recuperas las palabras originales: el escapado no pierde nada.

En otros lenguajes
// JavaScript
function escapeHtml(text) {
  return String(text)
    .replaceAll("&", "&amp;")      // first
    .replaceAll("<", "&lt;")
    .replaceAll(">", "&gt;")
    .replaceAll('"', "&quot;")
    .replaceAll("'", "&#x27;");
}

// Rust (by hand, one pass)
fn escape_html(s: &str) -> String {
    let mut out = String::with_capacity(s.len());
    for c in s.chars() {
        match c {
            '&' => out.push_str("&amp;"),
            '<' => out.push_str("&lt;"),
            '>' => out.push_str("&gt;"),
            '"' => out.push_str("&quot;"),
            '\'' => out.push_str("&#x27;"),
            _ => out.push(c),
        }
    }
    out
}

// PHP has it built in
htmlspecialchars($text, ENT_QUOTES | ENT_HTML5, "UTF-8");

Resumen

  • Escapa cinco caracteres: &, <, >, " y '.
  • Sustituye primero &, o escaparás dos veces tus propias entidades.
  • Las comillas importan porque el texto a menudo acaba dentro de atributos; pon siempre comillas en los valores de los atributos.
  • El escapado de HTML no es la herramienta para los bloques de script, el CSS ni las direcciones de los enlaces.
Tu turno

Escribe escape_html(text) sin html.escape. Convierte la entrada en cadena con str(), y luego sustituye & por &amp; primero, después < por &lt;, > por &gt;, " por &quot; y ' por &#x27;. Devuelve el resultado.

¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección

Este ejercicio se abre pronto

Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.