不能只用正则删除onclick等属性,因其无法处理换行、注释、CDATA及data-on-click等干扰,且不解析DOM,易漏杀或误杀;应使用DOMPurify解析DOM树后重建,并严格配置FORBID_ATTR、ALLOWED_ATTR和ALLOWED_URI_REGEXP。

为什么不能只用正则删 onclick、onload 这类属性
正则匹配 on\w+\s*=\s*["'][^"']*["'] 看似简单,但实际会漏掉换行、注释内伪代码、CDATA 区段里的干扰内容,还可能误杀 data-on-click 这类自定义属性。更严重的是:它不解析 DOM,完全无法识别 这种合法标签+危险属性的组合——而这类结构正是 XSS 的高发点。
用 DOMPurify 配置 ALLOWED_ATTR + FORBID_ATTR 最稳妥
DOMPurify 不是“删字符串”,而是解析成 DOM 树再重建,天然规避正则盲区。关键配置必须显式声明:
-
FORBID_ATTR: ['onclick', 'onsubmit', 'onerror', 'onload', 'onfocus', 'onblur', 'onkeydown', 'oninput']—— 明确拉黑所有常见事件属性 -
ALLOWED_ATTR: ['href', 'title', 'target', 'alt', 'src']—— 白名单只放业务真需要的属性 -
ALLOWED_URI_REGEXP: /^(https?|ftp):\/\//i—— 否则href="javascript:alert(1)"会逃逸 - 若需保留
target="_blank",必须加 hook 补rel="noopener",否则有 opener 泄露风险
前端净化只是兜底,后端必须先过 bleach.clean()
浏览器里用 DOMPurify 是最后一道防线,但源头控制在服务端。Django 模板里绝不能直接 {{ user_html|safe }},必须先在视图层调用:
import bleach
cleaned = bleach.clean(
user_input,
tags=['p', 'a', 'strong', 'em'],
attributes={'a': ['href']},
protocols=['http', 'https', '/'],
strip=True
)
注意:strip=True 会删非法标签但保留其文本内容,比如 <script>X</script> 变成 X,语义可能错乱;若业务要求严格结构,应设 strip=False 并配合 filter_wrong_elements=True(bleach 6.0+)。
htmlq 是一个命令行工具,使用 CSS 选择器从 HTML 中提取内容,相当于 jq 的 HTML 版本。该工具使用 Rust 编写,允许你通过 CSS 选择器将 HTML 管道化,直接从终端提取文本、属性和结构化内容。
动态插入的内容最容易被忽略
页面加载后通过 innerHTML 或 insertAdjacentHTML 插入的新 HTML,不会自动触发你之前写的清理逻辑。所以:
- 所有 JS 拼接的 HTML 字符串,必须在拼之前就净化,比如
DOMPurify.sanitize(userContent) - Vue 的
v-html、React 的dangerouslySetInnerHTML前必须手动调用净化函数,框架本身不干预 - 服务端返回的富文本 API 响应,如果含未过滤的事件属性,前端清洗只是补救,不是替代
真正难的不是“怎么删一次”,而是“怎么确保它压根进不来”。白名单配置要按最小权限原则,每加一个 tag 或 attr 都得问一句:这个功能非它不可?
前端入门到VUE实战笔记:立即使用
在学习笔记中,你将探索 前端 的入门与实战技巧!










