如何清理HTML代码以防止Java或JSP中的XSS攻击？

我正在编写一个基于servlet的应用程序，我需要在其中提供一个消息传递系统。 我匆忙，所以我选择CKEditor来提供编辑function，我目前直接在显示所有消息的网页中插入生成的html（消息存储在MySQL数据库中，fyi）。 CKEditor已经基于白名单过滤HTML，但是用户仍然可以使用POST请求注入恶意代码，因此这还不够。

一个好的库已经存在，可以通过过滤HTML标签来防止XSS攻击，但它是用PHP编写的： HTML Purifier

那么， 是否有类似的成熟库可以在Java中使用 ？ 基于白名单的简单字符串替换似乎不够，因为我也想过滤格式错误的标签 （这可能会改变显示消息的页面的设计）。

如果没有，那我该怎么办？ XML解析器似乎有点过分。

注意：在SO上有很多关于此的问题，但所有答案都涉及过滤所有HTML标记：我想保留有效的格式化标记。

Answer 1

你应该使用AntiSamy 。 （ 这就是我所做的 ）

Answer 2

我建议使用Jsoup 。 以下是其网站的相关摘录。

清理不受信任的HTML

问题

您希望允许不受信任的用户为您网站上的输出提供HTML（例如，作为评论提交）。 您需要清理此HTML以避免跨站点脚本 （XSS）攻击。

解

将jsoup HTML Cleaner与Whitelist指定的配置一起使用。

 String unsafe = "
Link
"; String safe = Jsoup.clean(unsafe, Whitelist.basic()); // now: 
Link 

Jsoup也提供了更多的优势。 另请参阅Java中HTML解析器的优缺点 。

Answer 3

如果现成的选项都不够，那么Google Code上有一系列关于XSS和攻击预防的优秀文章。 它应该提供大量的信息，如果你最终走这条路。