正确地转义
为什么重要 每一个模板系统、每一个框架里面都有一个转义工具。亲手写一个,哪怕只写一次,也能让你确切地看到哪些字符重要,以及为什么步骤的顺序很重要。这样,当你看到一个转义工具被关掉或用错了地方时,你就能发现它。
一个比喻:标签打印机
标签打印机会打印你输入的任何东西。如果有人输入了打印机自己的控制代码,一台粗心的打印机就会执行它。一台谨慎的打印机则会把那个代码的样子打印出来。HTML 转义工具就是那台谨慎的标签打印机:特殊字符会被打印出来,永远不会被执行。
实体:HTML 用来安全地显示一个字符的代码。它以 & 开头,以 ; 结尾。< 显示为 <,& 显示为 &。
五个字符
| 字符 | 变成 | 为什么它特殊 |
|---|---|---|
& | & | 开始一个实体 |
< | < | 开始一个标签 |
> | > | 结束一个标签 |
" | " | 结束一个用双引号括起来的属性 |
' | ' | 结束一个用单引号括起来的属性 |
顺序很重要:先替换 & 号
如果你先替换 <,你会得到 <。如果你接着替换 &,它就会变成 &lt;,访客看到的会是文本 <,而不是 <。所以要先替换 &,再替换其余的。
"<".replace("<", "<").replace("&", "&") # '&lt;' wrong: escaped twice
"<".replace("&", "&").replace("<", "<") # '<' right为什么引号很重要:属性
文本不只出现在标签之间。它常常出现在一个属性里面,比如一个会记住你输入内容的搜索框:
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根本不需要尖括号。" 结束了这个值,剩下的就变成了一个新的属性。把 " 转义成 ",能让它全部留在值里面。也要转义 ',因为有些模板使用单引号。并且永远要给属性值加上引号:没有引号的话,一个空格就足以开始一个新的属性。
转义没有覆盖什么
HTML 转义是处理标签之间的文本以及加了引号的属性里面的文本的正确工具。在 <script> 块里面、在 CSS 里面,以及对于一个链接地址,它都是错误的工具:href="javascript:..." 里根本没有任何特殊字符。对于链接,只允许以 https:// 或 http:// 开头的地址(或者相对地址)。对于脚本需要的数据,把它放在一个 data- 属性里,或者放在一个由你的框架为你构建的 JSON 块里(比如 Django 的 json_script)。
练习
编写 escape_html(text)。这里不要使用 html.escape:重点就是要亲手构建它。测试会在标签之间、在用双引号和单引号括起来的属性里,以及在数百个随机字符串上尝试它。
一个常见的误解
“转义两次更安全。”这不是安全,而是坏了:访客会在屏幕上看到 &lt; 这样的乱码。只转义一次,就在文本进入 HTML 的那一刻。
试一试 通过之后,打印 escape_html("Fish & chips <3"),然后把结果粘贴进 load("<p>" + ... + "</p>").text。你会得到原来的文字:转义是无损的。
用其他语言实现
// JavaScript
function escapeHtml(text) {
return String(text)
.replaceAll("&", "&") // first
.replaceAll("<", "<")
.replaceAll(">", ">")
.replaceAll('"', """)
.replaceAll("'", "'");
}
// 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("&"),
'<' => out.push_str("<"),
'>' => out.push_str(">"),
'"' => out.push_str("""),
'\'' => out.push_str("'"),
_ => out.push(c),
}
}
out
}
// PHP has it built in
htmlspecialchars($text, ENT_QUOTES | ENT_HTML5, "UTF-8");回顾
- 转义五个字符:
&、<、>、"和'。 - 先替换
&,否则你会把自己的实体再转义一次。 - 引号很重要,因为文本常常落在属性里面;永远给属性值加上引号。
- HTML 转义不是处理脚本块、CSS 或链接地址的工具。
不用 html.escape,编写 escape_html(text)。用 str() 把输入变成字符串,然后先把 & 替换成 &,再把 < 替换成 <、> 替换成 >、" 替换成 "、' 替换成 '。返回结果。
这个练习即将开放
完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。
这个浏览器屏蔽了 learn.floati.life 的 Cookie,所以你在这里完成的课程无法按顺序打开。请允许这个网站使用 Cookie,然后重新加载。