跨站脚本(XSS, Cross Site Script)攻击指的是,攻击者可以让某网站执行一段非法脚本。这种情况很常见,比如提交一个表单用于修改用户名,我们可以在文本框中输入一些特殊字符,比如 <, >, ', "
等,检查一下用户名是否正确修改了。
XSS 一定是由用户的输入引起的,无论是提交表单、还是点击链接(参数)的方式,只要是对用户的输入不做任何转义就写到数据库,或者写到 html
, js
中,就很有可能出错。举两个例子。
假设需要显示一个新闻标题的列表,服务端渲染的话,用 jade
来实现的话也许是这样的
h1 娱乐速递 ul each val in newslist li= val
newslist
就当是 ['新闻1', '新闻2', ...] 这样格式的数组,如果直接把内容迭代渲染到 html
上的话,一旦某个新闻标题有特殊字符,比如标题中恰好包含一个 <p>
标签,那么它就不会显示出来。
另一个例子,用户在写博客,先不考虑实时保存吧,现在就仅仅需要预览一下,那么可能的代码就是
var preview = document.getElementById('#preview'), title = document.getElementById('#blog-title'), content = document.getElementById('#blog-content'); preview.innerHTML = '<h1>' + title.value + '</h1>' + '<pre>' + content.value + '</pre>';
这里同样是把用户的输入直接显示在了 html
上,如果用户的输入中,正好输入了 </h1>
,把 <h1>
标签提前结束,然后再输入 <script>...</script>
就可以直接执行 js
代码了。
XSS 的发生至少需要一个条件,就是这些非法的脚本必须得在浏览器中解析。
从一个请求发出开始,到浏览器显示内容,与 XSS 相关的有三个地方:URL、HTML、JavaScript。至于后台方面,它分两个功能,一个是将数据写到数据库,这时候也要对数据进行转义,但不是XSS的范畴,它更多是防止数据破坏 SQL 语句的结构;另一个是从数据库读取数据,直接生成 HTML 或者以 JSON 的方式传给前端,这些数据都必须转义后才能显示到浏览器中。
HTML 本身是一个文本文档,但在浏览器中却可以显现得花样百出,是因为很多字符对于浏览器来说是有特殊含义的,比如在 <script>
中的内容,浏览器会做一些动画等等。那么对这些特殊字符进行转义,就意味着让浏览器对待它们的时候,就像普通字符一样,比如 ≶script>
这段文字在浏览器中就会正常显示为 <script>
。
当我们在代码中生成 HTML 时,一定要注意,变量是否转义了。像这种
el.innerHTML = title.value;
就是非常危险的。因为输入框的内容来源于用户,而用户的输入是不可靠的。无论是前端还是后台,一定要有一个类似于 escapeHTML 的方法,然后在代码中这样使用
el.innerHTML = escapeHTML(title.value);
这边贴一段简单的用来转义 HTML 的 JavaScript 方法
function encodeHTML (a) { return String(a) .replace(/&/g, "&") .replace(/</g, "<") .replace(/>/g, ">") .replace(/"/g, """) .replace(/'/g, "'"); };
那么有哪些字符需要转义呢?这里列了一些常见的。
" --> "
# --> #
$ --> $
& --> &
' --> '
( --> (
) --> )
; --> ;
< --> <
> --> >
在 escapeHTML 方法中,我使用了别名的方式转义,因为它比较容易记一点。无论是别名还是十六进制,它们表示的含义都是一样的,比如 &
和 &
都表示 &
符号。想要看更具体的列表可以参考 这个网站 。
在浏览器收到 HTML 之后,首先会对所有的内容进行解码,它会把所有能识别的编码符号,解码成字面值。比如有
<p>my name is: <a href="http://www.jchen.cc">名一</a></p>
经过浏览器解码就变成
<p>my name is: <a href="http://www.jchen.cc">名一</a></p>
这里要说的是,浏览器只会对两个地方解码,一个是标签的 内容 (即 textContent,除了 <script>
和 <style>
标签),另一个是标签的 属性值 。对于属性名是不会解码的。
早些时候,服务端还不支持在 URL 中直接传输 Unicode,比如 http://jchen.cc/find?q=你好
这样的地址,服务端无法识别“你好”这个值,所以必须编码之后进行传输。
那么对于 URL,我们只需要对参数的值进行编码就可以了。比如上面这个链接,编码之后就是 http://jchen.cc/find?q=%E4%BD%A0%E5%A5%BD
。
如果对整个 URL 编码,那么链接就无效了。
编码的方式很简单,浏览器提供了全局的 encodeURI
方法,调用之后就可以实现转义了。
有一点很重要, encodeURI
是不会转义 :
, /
, ?
, &
, =
这些在 URL 中有特殊含义的字符的,那么如果有个参数正好包含了这些字符,就不会转义,比如
encodeURI('http://jchen.cc/login?name=名一&from=http://other.com'); // -> http://jchen.cc/login?name=%E5%90%8D%E4%B8%80&from=http://other.com
from 参数的值并没有转义,这时候,就需要用到另一个方法 encodeURIComponent
var param = encodeURIComponent('http://other.com'); encodeURI('http://jchen.cc/login?name=名一&from=') + param; // -> http://jchen.cc/login?name=%E5%90%8D%E4%B8%80&from=http%3A%2F%2Fother.com
所以结论就是,如果要对整个 URL 进行转义,使用 encodeURI
,如果对参数的值进行转义,使用 encodeURIComponent
。
当动态生成的链接地址需要赋值给 href 或者 src 属性时,需要对这些地址进行 URL 转义。当然,如果服务端支持在 URL 中包含 UTF-8 的字符的话,其实不转义也不会错,这就是为什么我们平时不会太注意对表单和 URL 参数进行转义的原因,因为服务端表现良好。
JS 中的转义都是通过反斜杠完成,有三种类型,以 '
和 "
为例
直接反斜杠 --> /'/"
十六进制 --> /x22/x27
Unicode --> /u0022/u0027
一般情况下可以直接通过反斜杠转义,但有些字符我们不知道怎么输入,很常见的比如 Web Font,在 CSS 中可以看到类似这样的代码
.glyphicon-home::before { content: ""; }
那个 content 中的值可以通过十六进制或者 Unicode 的方式来代替。
JS 转义一般用于显示用户输入的时候,比如用户输入了反斜杠,需要显示时,就必须 alert('//');
。
当浏览器进行绘制时,首先会对 HTML 进行解码,然后是 URL,最后是执行 JS 时对它进行解码。
现在考虑这三种编码同时存在的情况
<a href="javascript: alert('/<http://jchen.cc/find?q=%E4%BD%A0%E5%A5%BD/>');">click</a>
首先是 HTML 解码,结果为
<a href="javascript: alert('/<http://jchen.cc/find?q=%E4%BD%A0%E5%A5%BD/>');">click</a>
然后是 URL 解码,结果为
<a href="javascript: alert('/<http://jchen.cc/find?q=你好/>');">click</a>
最后是 JS 解码,结果为
<a href="javascript: alert('<http://jchen.cc/find?q=你好>');">click</a>
单击链接后,应该会出现一个弹窗,内容是 <http://jchen.cc/find?q=你好>
。
本文更多的是介绍如何防止XSS的发生,而不是它的危害。核心就是用适当的方法对 HTML, JS 进行转义。