Question

在我们的MVC3 ASP.net项目中，HttpUtility.HtmlEncode方法似乎逃避了太多字符。我们的网页作为UTF-8页面提供，但该方法仍然会转换像ü或日元字符¥这样的字符，即使这些字符是UTF-8 set的一部分。

所以当我的asp.net MVC视图包含以下代码时：

    @("<strong>ümlaut</strong>")

然后我希望Encoder能够转义html标签，但不ümlaut

    &lt;strong&gt;ümlaut&lt;/strong&gt;

但它却给了我以下HTML：

    &lt;strong&gt;&#252;mlaut&lt;/strong&gt;

为了完整性，我还提到web.config中的responseEncoding被明确地设置为utf-8，所以我希望HtmlEncode方法能够遵循这个设置。

    <globalization requestEncoding="utf-8" responseEncoding="utf-8" />

Answer 1

是的，我的网页面临同样的问题。如果我们看到htmlEncode的代码，那么有一个点可以翻译这组字符。这是这类人物也翻译过的代码。

if ((ch >= '\x00a0') && (ch < 'A'))
{
    output.Write("&#");
    output.Write(ch.ToString(NumberFormatInfo.InvariantInfo));
    output.Write(';');
}
else
{
    output.Write(ch);
}

这是HtmlEncode的代码

public static unsafe void HtmlEncode(string value, TextWriter output)
{
    if (value != null)
    {
        if (output == null)
        {
            throw new ArgumentNullException("output");
        }
        int num = IndexOfHtmlEncodingChars(value, 0);
        if (num == -1)
        {
            output.Write(value);
        }
        else
        {
            int num2 = value.Length - num;
            fixed (char* str = ((char*) value))
            {
                char* chPtr = str;
                char* chPtr2 = chPtr;
                while (num-- > 0)
                {
                    output.Write(chPtr2[0]);
                    chPtr2++;
                }
                while (num2-- > 0)
                {
                    char ch = chPtr2[0];
                    if (ch <= '>')
                    {
                        switch (ch)
                        {
                            case '&':
                            {
                                output.Write("&amp;");
                                chPtr2++;
                                continue;
                            }
                            case '\'':
                            {
                                output.Write("&#39;");
                                chPtr2++;
                                continue;
                            }
                            case '"':
                            {
                                output.Write("&quot;");
                                chPtr2++;
                                continue;
                            }
                            case '<':
                            {
                                output.Write("&lt;");
                                chPtr2++;
                                continue;
                            }
                            case '>':
                            {
                                output.Write("&gt;");
                                chPtr2++;
                                continue;
                            }
                        }
                        output.Write(ch);
                        chPtr2++;
                        continue;
                    }
                    // !here is the point!
                    if ((ch >= '\x00a0') && (ch < 'Ā'))
                    {
                        output.Write("&#");
                        output.Write(ch.ToString(NumberFormatInfo.InvariantInfo));
                        output.Write(';');
                    }
                    else
                    {
                        output.Write(ch);
                    }
                    chPtr2++;
                }
            }
        }
    }
}

a可能的解决方案是制作您的自定义HtmlEncode，或使用MS的反跨站点脚本。

http://msdn.microsoft.com/en-us/security/aa973814

Answer 2

正如Aristos建议我们可以使用Microsoft的AntiXSS库。它包含一个UnicodeCharacterEncoder，其行为与您期望的一样。

但是因为我们

并不真的想依赖于第三方库仅用于HTML编码
非常确定我们的内容不超过UTF-8范围。

我们选择实现自己的非常基本的 HTML编码器。你可以在下面找到代码。如果您发现任何问题，请随时改编/评论/改进。

public static class HtmlEncoder
{
    private static IDictionary<char, string> toEscape = new Dictionary<char, string>()
                                                            {
                                                                { '<', "lt" },
                                                                { '>', "gt" },
                                                                { '"', "quot" },
                                                                { '&', "amp" },
                                                                { '\'', "#39" },
                                                            };
    /// <summary>
    /// HTML-Encodes the provided value
    /// </summary>
    /// <param name="value">object to encode</param>
    /// <returns>An HTML-encoded string representing the provided value.</returns>
    public static string Encode(object value)
    {
        if (value == null)
            return string.Empty;

        // If value is bare HTML, we expect it to be encoded already
        if (value is IHtmlString)
            return value.ToString();

        string toEncode = value.ToString();

        // Init capacity to length of string to encode
        var builder = new StringBuilder(toEncode.Length);

        foreach (char c in toEncode)
        {
            string result;
            bool success = toEscape.TryGetValue(c, out result);

            string character = success
                                ? "&" + result + ";"
                                : c.ToString();

            builder.Append(character);
        }

        return builder.ToString();
    }
}

Answer 3

基于托马斯的回答，空格，制表符和新行处理有点改进，因为它们可能会破坏html的结构：

public static string HtmlEncode(string value,bool removeNewLineAndTabs)
    {
        if (value == null)
            return string.Empty;

        string toEncode = value.ToString();

        // Init capacity to length of string to encode
        var builder = new StringBuilder(toEncode.Length);

        foreach (char c in toEncode)
        {
            string result;
            bool success = toEscape.TryGetValue(c, out result);

            string character = success ? result : c.ToString();

            builder.Append(character);
        }

        string retVal = builder.ToString();

        if (removeNewLineAndTabs)
        {
            retVal = retVal.Replace("\r\n", " ");
            retVal = retVal.Replace("\r", " ");
            retVal = retVal.Replace("\n", " ");
            retVal = retVal.Replace("\t", " ");
        }
        return retVal;
    }

HttpUtility.HtmlEncode逃避太多了？

3 个答案: