使用Python消除用户输入

Question

清理基于Python的Web应用程序的用户输入的最佳方法是什么？ 是否有一个函数可以删除HTML字符和任何其他必要的字符组合，以防止XSS或SQL注入攻击？

Answer 1

这是一个片段，它将删除不在白名单上的所有标签，并且所有标签属性都不在attribues白名单上（因此您不能使用onclick ）。

它是http://www.djangosnippets.org/snippets/205/的修改版本，其中包含属性值的正则表达式，以防止人们使用href="javascript:..." ，以及http中描述的其他情况： //ha.ckers.org/xss.html 。
（例如<a href="ja&#x09;vascript:alert('hi')">或<a href="ja vascript:alert('hi')">等）

如您所见，它使用（真棒） BeautifulSoup库。

import re
from urlparse import urljoin
from BeautifulSoup import BeautifulSoup, Comment

def sanitizeHtml(value, base_url=None):
    rjs = r'[\s]*(&#x.{1,7})?'.join(list('javascript:'))
    rvb = r'[\s]*(&#x.{1,7})?'.join(list('vbscript:'))
    re_scripts = re.compile('(%s)|(%s)' % (rjs, rvb), re.IGNORECASE)
    validTags = 'p i strong b u a h1 h2 h3 pre br img'.split()
    validAttrs = 'href src width height'.split()
    urlAttrs = 'href src'.split() # Attributes which should have a URL
    soup = BeautifulSoup(value)
    for comment in soup.findAll(text=lambda text: isinstance(text, Comment)):
        # Get rid of comments
        comment.extract()
    for tag in soup.findAll(True):
        if tag.name not in validTags:
            tag.hidden = True
        attrs = tag.attrs
        tag.attrs = []
        for attr, val in attrs:
            if attr in validAttrs:
                val = re_scripts.sub('', val) # Remove scripts (vbs & js)
                if attr in urlAttrs:
                    val = urljoin(base_url, val) # Calculate the absolute url
                tag.attrs.append((attr, val))

    return soup.renderContents().decode('utf8')

正如其他海报所说的那样，几乎所有的Python数据库都会处理SQL注入，因此这应该会覆盖你。

Answer 2

编辑 ： 漂白是html5lib的包装，这使得它更容易用作基于白名单的杀菌剂。

html5lib附带了一个基于白名单的HTML杀毒软件 - 它很容易将其子类化以限制用户可以在您的网站上使用的标签和属性，如果您允许使用style属性，它甚至会尝试清理CSS。

现在我在我的Stack Overflow clone的sanitize_html实用程序函数中使用它：

http://code.google.com/p/soclone/source/browse/trunk/soclone/utils/html.py

我抛出ha.ckers.org的XSS Cheatsheet中列出的所有攻击（ 在使用python-markdown2执行Markdown到HTML转换之后可以轻松地以XML格式提供它，它似乎已经保持正常。

Stackoverflow目前使用的WMD编辑器组件是一个问题，但实际上我必须禁用JavaScript才能测试XSS Cheatsheet攻击，因为将它们全部粘贴到WMD中最终会给我提醒警告框并消隐页面。

Answer 3

防止XSS的最佳方法不是尝试过滤所有内容，而是简单地进行HTML实体编码。 例如，自动将<转入＆lt;。 这是一个理想的解决方案，假设您不需要接受任何html输入（在论坛/评论区域之外，它用作标记，应该很少需要接受HTML）; 通过备用编码有如此多的排列，除了超限制白名单（例如az，AZ，0-9）之外的任何东西都会让一些东西通过。

如果您只是构建一个查询字符串，SQL注入与其他观点相反仍然是可能的。 例如，如果您只是将传入参数连接到查询字符串，那么您将拥有SQL注入。 防止这种情况的最佳方法也不是过滤，而是虔诚地使用参数化查询并且永远不会连接用户输入。

这并不是说过滤不是最佳实践，但就SQL注入和XSS而言，如果您虔诚地使用参数化查询和HTML实体编码，您将受到更多保护。

Answer 4

Jeff Atwood自己描述了StackOverflow.com如何在Stack Overflow博客上清理用户输入（以非语言特定术语）： http ： //blog.stackoverflow.com/2008/06/safe-html-and-xss/

但是，正如Justin指出的那样，如果您使用Django模板或类似的东西，那么他们可能无论如何都要清理您的HTML输出。

SQL注入也不应该是一个问题。 所有Python的数据库库（MySQLdb，cx_Oracle等）总是清理你传递的参数。 所有Python的对象关系映射器（例如Django模型）都使用这些库，因此您无需担心那里的卫生设施。

Answer 5

我不再进行Web开发，但是当我这样做时，我做了类似的事情：

当没有解析应该发生时，我通常只是逃避数据，以便在我存储数据时不干扰数据库，并且从数据库中读取所有内容，以便在显示时不干扰html（cgi.escape（）in蟒蛇）。

有可能，如果有人试图输入html字符或东西，他们实际上希望无论如何都要显示为文本。 如果他们没有，那就太难了:)

总之，总是逃避可能影响当前数据目标的东西。

当我确实需要一些解析（标记或其他）时，我通常会尝试将该语言保存在与html不相交的集合中，因此我仍然可以将其存储为适当的转义（在验证语法错误之后）并在显示时将其解析为html不得不担心用户放在那里干扰你的HTML的数据。

另请参阅转义HTML

Answer 6

要清理要存储到数据库的字符串输入（例如客户名称），您需要将其转义或从中明确删除任何引号（'，“）。这有效地防止了经典SQL注入，如果您正在从用户传递的字符串中组装SQL查询。

例如（如果可以完全删除引号）：

datasetName = datasetName.replace("'","").replace('"',"")

Answer 7

如果您使用的是像django这样的框架，框架可以使用标准过滤器轻松地为您完成此操作。 事实上，我很确定django会自动执行它，除非你告诉它不要。

否则，我建议在接受表单输入之前使用某种正则表达式验证。 我不认为你的问题有灵丹妙药，但使用re模块，你应该能够构建你需要的东西。