必须清理高危属性(如onerror、onclick、javascript:开头的href),中危属性(如style、class)需白名单过滤,低危冗余属性(如data-reactroot)可批量清除;src和href须校验值而非仅删属性名。

哪些HTML属性必须清理,哪些可以保留
清理不是全删,而是按风险等级分级处理。高危属性如 onerror、onclick、javascript: 开头的 href 必须移除;中危属性如 style、class 要看上下文——若用于富文本编辑器输出,建议白名单过滤而非直接删除;低危但冗余的如 data-reactroot、aria-hidden="false" 可批量清除。
特别注意:src 和 href 本身不危险,但值可能含恶意协议(如 javascript:alert(1) 或 data:text/html;base64,...),清理时不能只删属性名,必须校验值内容。
用 HtmlUtil.removeHtmlAttr() 清理单个属性时的坑
这是 Hutool 中最常用也最容易误用的方法。它只移除属性,不校验值,也不处理嵌套或动态生成的属性。
- 对
<img src="x" onerror="alert(1)" alt="HTML属性清理的完整知识地图" >调用removeHtmlAttr(html, "onerror")是安全的 - 但对
<a href="javascript:fetch('/api/token')"></a>调用removeHtmlAttr(html, "href")会留下空<a></a>标签,可能破坏 DOM 结构 - 如果属性名带命名空间(如
xlink:href),该方法默认不识别,需手动指定前缀或换用正则清洗 - 它不处理
dataset属性:写成data-foo="bar"的会被清理,但通过 JS 动态设置的element.dataset.foo = "bar"不在 HTML 字符串里,自然不会被扫到
为什么 dataset 属性不能靠字符串替换来清理
dataset 是 HTML5 规范定义的自定义数据属性,对应所有以 data- 开头的属性,但它的映射规则是自动转换的:比如 data-user-id 在 JS 中是 element.dataset.userId。这意味着:
立即学习“前端免费学习笔记(深入)”;
- 用正则
/data-[a-z-]+="/gi替换会漏掉带数字或大写字母的变体(如data-apiV2) - 某些框架(如 Vue)会把
v-bind:data-id="val"编译为data-id="val",但若绑定的是表达式,值可能是未转义的 JS 代码 - 真正安全的做法是先解析为 DOM,再遍历
element.attributes,检查attr.name.startsWith("data-")并逐个判断是否在白名单内
清理后还要防 DOM clobbering 吗
要。DOM clobbering 是一种绕过传统 HTML 清洗的攻击方式,核心是利用命名冲突污染全局对象。例如:
<form id="document"><input name="cookie"></form> 会导致 window.document.cookie 被覆盖为 input 元素,后续 JS 若直接读取 document.cookie 就可能执行非预期逻辑。
这类问题不会出现在 removeHtmlAttr() 或 cleanHtmlTag() 的处理范围内,因为它们不涉及 ID/Name 冲突检测。解决方案只有两个:
- 禁止用户可控内容中出现
id="document"、name="location"、id="window"等敏感名称(需维护一个 reserved 名称列表) - 在插入清洗后 HTML 前,用
DOMParser解析并扫描所有id和name属性值,与 reserved 列表比对
这个环节常被忽略——清洗完看着“干净”了,但只要一个 id="alert" 就可能让后续 eval("alert(1)") 执行成功。



















