[Web 安全] 了解XSS与防范

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 如何发生

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 特殊字符

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, "&lt;")
    .replace(/>/g, "&gt;")
    .replace(/"/g, "&quot;")
    .replace(/'/g, "&#39;");
};

那么有哪些字符需要转义呢？这里列了一些常见的。

" --> "
# --> #
$ --> $
& --> &
' --> '
( --> (
) --> )
; --> &#59;
< --> &#60;
> --> &#62;

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&#58;&#32;<a href="http&#58;&#47;&#47;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。

URL

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。

JavaScript 特殊字符

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('\\'); 。

解码顺序

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&#58;&#32;alert('\<http&#58;&#47;&#47;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。