净化 HTML 输入和输出

对于简单的数据净化，使用 htmlentities() 函数,

  复杂的数据净化则使用 HTML Purifier 库

经 HTML Purifier 4.4.0 测试

在任何 wbe 应用中展示用户输出时，首先对其进行“净化”去除任何潜在危险的 HTML 是非常必要的。
一个恶意的用户可以制作某些 HTML，若被你的 web 应用直接输出，对查看它的人来说会很危险。

虽然可以尝试使用正则表达式来净化 HTML，但不要这样做。HTML是一种复杂的语言，试图使用正则表达式来净化 HTML 几乎总是失败的。

你可能会找到建议你使用 strip_tags() 函数的观点。
虽然 strip_tags() 从技术上来说是安全的，但如果输入的不合法的 HTML（比如，
没有结束标签），它就成了一个「愚蠢」的函数，可能会去除比你期望的更多的内容。
由于非技术用户在通信中经常使用 < 和 > 字符，strip_tags() 也就不是一个好的选择了。

如果阅读了验证邮件地址一节，
你也许也会考虑使用 filter_var() 函数。
然而 filter_var() 函数在遇到断行时会出现问题，
并且需要不直观的配置以接近 htmlentities() 函数的效果，
因此也不是一个好的选择。

对于简单需求的净化

如果你的 web 应用仅需要完全地转义（因此可以无害地呈现，但不是完全去除） HTML，
则使用 PHP 的内建 htmlentities() 函数。
这个函数要比 HTML Purifier 快得多，因此它不对 HTML 做任何验证—-仅转义所有东西。

htmlentities() 不同于类似功能的函数htmlspecialchars()，
它会编码所有适用的 HTML 实体，而不仅仅是一个小的子集。

示例

<?php
// Oh no!  The user has submitted malicious HTML, and we have to display it in our web app!
$evilHtml = '<div onclick="xss();">Mua-ha-ha!  Twiddling my evil mustache...</div>';
 
// Use the ENT_QUOTES flag to make sure both single and double quotes are escaped.
// Use the UTF-8 character encoding if you've stored the text as UTF-8 (as you should have).
// See the UTF-8 section in this document for more details.
$safeHtml = htmlentities($evilHtml, ENT_QUOTES, 'UTF-8');
// $safeHtml is now fully escaped HTML.  You can output $safeHtml to your users without fear!
?>

对于复杂需求的净化

对于很多 web 应用来说，简单地转义 HTML 是不够的。
你可能想完全去除任何HTML，或者允许一小部分子集的 HTML 存在。
若是如此，则使用 HTML Purifier 库。

HTML Purifier 是一个经过充分测试但效率比较低的库。
这就是为什么如果你的需求并不复杂就应使用 htmlentities()，
因为它的效率要快得多。

HTML Purifier 相比 strip_tags() 是有优势的，
因为它在净化 HTML 之前会对其校验。
这意味着如果用户输入无效 HTML，HTML Purifier 相比 strip_tags() 更能保留 HTML 的原意。
HTML Purifier 高度可定制，允许你为 HTML 的一个子集建立白名单来允许这个 HTML 子集的实体存在输出中。

但其缺点就是相当的慢，它要求一些设置，在一个共享主机的环境里可能是不可行的。
其文档通常也复杂而不易理解。
以下示例是一个基本的使用配置。
查看文档阅读 HTML Purifier 提供的更多更高级的特性。

示例

<?php
// Include the HTML Purifier library
require_once('htmlpurifier-4.4.0/HTMLPurifier.auto.php');
 
// Oh no!  The user has submitted malicious HTML, and we have to display it in our web app!
$evilHtml = '<div onclick="xss();">Mua-ha-ha!  Twiddling my evil mustache...</div>';
 
// Set up the HTML Purifier object with the default configuration.
$purifier = new HTMLPurifier(HTMLPurifier_Config::createDefault());
 
$safeHtml = $purifier->purify($evilHtml);
// $safeHtml is now sanitized.  You can output $safeHtml to your users without fear!
?>

陷阱

• 以错误的字符编码使用htmlentities()会造成意想不到的输出。
  在调用该函数时始终确认指定了一种字符编码，并且该编码与将被净化的字符串的编码相匹配。
  更多细节请查看UTF-8一节。
• 使用htmlentities()时，始终包含ENT_QUOTES和字符编码参数。
  默认情况下，htmlentities()不会对单引号编码。多愚蠢的默认做法！
• HTMLPurifier对于复杂的HTML效率极其的低。可以考虑设置一个缓存方案如APC来保存经过净化的结果以备后用。

进一步阅读

• PHPHTML净化工具对比（英文）
• Laruence：PHPTaint–一个用来检测XSS/SQL/Shell注入漏洞的扩展
• StackOverflow:使用strip_tags()来防止XSS？
• StackOverflow:PHP中净化用户输入的最佳方法是什么？
• StackOverflow:断行时的FILTER_SANITIZE_SPECIAL_CHARS问题