清理HTML - 获取一些未知编码？

Question

我正在使用HtmlSanitizer解析.NET Core中的输入阻止XSS Injections。 HtmlSanitizer实现了AngleSharp - 我不知道Angle Sharp做了什么，但它编码了一些字符，如下所示：

输入：

&#33;@#$%^&*()_+{}:"<>?~

输出：

!@#$%^&*()_+{}:"<>?~

请注意，<，>和&分别编码为<，>和&amp。我在这里有两个问题：

1. 这是什么编码？
2. （可选）有没有办法使用AngleSharp或其他库来撤消它？

旁注 - 所有有害物品都会根据需要被剥离，这种格式变化发生在＆＃34; safe＆＃34; html无论如何，只是要指出我没有撤消库的任何安全功能，所以我们不会对此进行长时间的讨论。

Answer 1

这些字符串是HTML编码的。 html编码的目的是为了防止XSS，但由于我已经剥离了任何可能有害的代码，所以在我的情况下它只是矫枉过正。更多细节可以在这个答案中找到（从那里复制的引用）：

HTML.Encode() - What/How does it prevent scripting security problems in ASP .NET?

  

  
• 小于字符（＆lt;）将转换为<。
  
• 大于号字符（＆gt;）将转换为>。
  
• ＆符号（＆amp;）转换为&。
  
• 双引号字符（“）转换为"。
  
• 任何代码大于或等于0x80的ASCII代码字符   转换为&#<number>，其中    是ASCII字符值。
  

您可以使用内置工具对.NET Core中的字符串进行html编码和解码，如here所述。