白名单，在 C# 中使用 WMD 控制防止 XSS

Question

我在这里做的有什么问题吗？这是我第一次处理这样的事情，我只是想确保我了解不同方法的所有风险等。

我正在使用 WMD 获取用户输入，并使用文字控件显示它。 由于一旦输入就无法编辑，我将存储 HTML 而不是 Markdown，

input = Server.HTMLEncode(stringThatComesFromWMDTextArea)

然后为我希望用户能够使用的标签运行类似以下的内容。

// Unescape whitelisted tags.
string output = input.Replace("&lt;b&gt;", "<b>").Replace("&lt;/b&gt;", "</b>")
                     .Replace("&lt;i&gt;", "<i>").Replace("&lt;/i&gt;", "</i>");

编辑这是我目前正在做的事情：

 public static string EncodeAndWhitelist(string html)
 {
     string[] whiteList = { "b", "i", "strong", "img", "ul", "li" };
     string encodedHTML = HttpUtility.HtmlEncode(html);
     foreach (string wl in whiteList)
         encodedHTML = encodedHTML.Replace("&lt;" + wl + "&gt;", "<" + wl + ">").Replace("&lt;/" + wl + "&gt;", "</" + wl + ">");
     return encodedHTML;
 }

1. 我在这里所做的事情会保护我免受XSS 的侵害吗？
2. 还有其他注意事项吗 那应该做吗？
3. 有没有正常的好列表 将标签列入白名单？

Answer 1

如果你的要求真的是基本的，你可以做这样简单的字符串替换，那么是的，这对 XSS 来说是“安全的”。 （但是，仍然可以在 <i> 和 <b> 错误嵌套或未关闭的情况下提交格式不正确的内容，这可能会弄乱内容最终插入的页面。）

但这很少是足够的。例如，目前不允许使用 <a href="..."> 或 <img src="..." />。如果您想允许这些或其他带有属性值的标记，那么您还有很多工作要做。然后，您可能会使用正则表达式来处理它，但这会给您带来无穷无尽的问题，即意外嵌套和替换已替换的内容，例如正则表达式无法解析 HTML 等等。

为了解决这两个问题，通常的方法是在输入上使用 [X][HT]ML 解析器，然后遍历 DOM 删除除已知良好元素和属性之外的所有元素和属性，最后重新序列化为 [X] HTML。然后保证结果格式正确且仅包含安全内容。