萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> PHP 程式設計

PHP 過濾危險 HTML 代碼防 XSS:preg_replace 白名單/黑名單實作

核心原則:輸出編碼優於輸入過濾

**最佳防禦**:儲存原始輸入,**輸出時** 根據上下文 (HTML 屬性、JS、CSS、URL) 做編碼 (`htmlspecialchars`、`json_encode`、`urlencode`)。本文介紹的「輸入過濾」僅作為**第二道防線**或**舊系統快速修補**。

黑名單過濾函式 (原始碼重構)

<?php
/**
 * 過濾可能引入惡意行為的 HTML 標籤與屬性
 * @param string $str 使用者輸入的 HTML 片段
 * @return string 過濾後字串
 */
function filterDangerousHtml(string $str): string
{
    // 1. 合併多餘空白
    $str = preg_replace('/\s+/', ' ', $str);

    // 2. 移除高風險標籤 (含屬性、內容)
    // i: 忽略大小寫, s: . 匹配換行, U: 非貪婪
    $str = preg_replace(
        '/<(script|iframe|style|html|body|title|link|meta|\?|%|object|embed|appliance|frame|frameset)[^>]*>.*?<\/\1>/isU',
        '', // 直接移除,或替換為 "[已過濾]"
        $str
    );

    // 3. 移除單獨的開啟/關閉標籤 (不成對)
    $str = preg_replace(
        '/<\/?(script|iframe|style|html|body|title|link|meta|\?|%|object|embed|appliance|frame|frameset)[^>]*>/is',
        '',
        $str
    );

    // 4. 移除所有 on* 事件屬性 (onclick, onload, onerror...)
    $str = preg_replace(
        '/(\s+on\w+\s*=\s*["\'][^"\']*["\'])/is',
        '',
        $str
    );

    // 5. 移除 javascript: 協定
    $str = preg_replace(
        '/\b(javascript|vbscript|data|mocha|livescript)\s*:/i',
        'blocked:',
        $str
    );

    // 6. 移除 style 屬性中的 expression/behavior (IE 舊版漏洞)
    $str = preg_replace(
        '/style\s*=\s*["\'][^"\']*?(expression|behavior)\s*\([^"\']*?["\']/i',
        'style=""',
        $str
    );

    return trim($str);
}

白名單策略 (更安全):HTMLPurifier

composer require ezyang/htmlpurifier

<?php
require_once 'vendor/autoload.php';
$config = HTMLPurifier_Config::createDefault();
$config->set('HTML.Allowed', 'p,b,i,u,em,strong,a[href|title],img[src|alt|width|height],br,ul,ol,li');
$config->set('CSS.AllowedProperties', 'font-weight,font-style,text-decoration,color,background-color');
$purifier = new HTMLPurifier($config);

$safeHtml = $purifier->purify($userInput);
  • 基於 **白名單**:僅允許明確標籤/屬性/CSS。
  • 自動修正不完整標籤、實體化特殊字元、移除 XSS 向量。
  • 效能較黑名單慢,但**安全性高得多**,生產環境首選。

輸出端編碼 (第一道防線)

上下文PHP 函式範例
HTML 內文/屬性值`htmlspecialchars($str, ENT_QUOTES | ENT_SUBSTITUTE, 'UTF-8')``
`
JavaScript 字串`json_encode($str, JSON_HEX_TAG | JSON_HEX_APOS | JSON_HEX_QUOT | JSON_HEX_AMP)``const msg = ;`
URL 參數值`urlencode($str)` / `rawurlencode($str)```
CSS 值無內建,建議白名單或 `preg_replace('/[^a-zA-Z0-9_-]/', '', $val)``style="color: ;"`

常見誤區

  • strip_tags() **無法防禦 XSS**:保留屬性 (``)、不處理事件屬性、不解碼實體。
  • 自寫正則**極難完備**:瀏覽器解析怪療 (如 ``、編碼繞過) 超出正則覆蓋範圍。
  • 過濾後直接入庫,**輸出時忘記編碼** = 二次注入風險。

總結

**輸入端**:若必須允許 HTML,請用 **HTMLPurifier 白名單**。
**輸出端**:**永遠** 根據上下文做編碼 (`htmlspecialchars`/`json_encode`/`urlencode`)。
**策略**:輸入驗證 (長度、格式) + 輸出編碼 + CSP Header (`Content-Security-Policy`) 三層防護。

copyright © 萬盛學電腦網 all rights reserved