安全防护

HTML 库内置多层安全防护，所有配置集中在 Config 的安全字段中。本页汇总安全相关的 API；安全特性的概念介绍详见安全概述。

安全配置字段

字段	类型	默认值	安全作用
`EnableSanitization`	`bool`	`true`	内容消毒：移除危险标签、事件属性和恶意协议
`MaxInputSize`	`int`	`52428800` (50MB)	输入大小限制，防止内存耗尽
`MaxDepth`	`int`	`500`	DOM 嵌套深度限制，防止递归炸弹
`ProcessingTimeout`	`time.Duration`	`30s`	单文档处理超时，防止无限处理
`AllowedBaseDir`	`string`	`""`	文件操作目录沙箱，防止路径遍历
`Audit`	`AuditConfig`	`DefaultAuditConfig()`	安全审计配置（详见审计系统）

禁用消毒的风险

EnableSanitization 默认启用，仅对完全可信的输入才可禁用。禁用后 HTML 原样解析，可能导致 XSS 风险。

内容消毒

启用时（默认），自动执行以下清洗：

防护层	行为
危险标签	移除 `<script>`、`<style>`、`<iframe>`、`<object>`、`<embed>` 等
事件属性	移除所有 `on*` 属性（`onclick`、`onerror` 等）
危险协议	阻止 `javascript:`、`vbscript:`
Data URL	仅允许 `data:image/`、`data:font/`、`data:application/pdf`

被阻止的内容通过审计系统记录（需启用审计）。

路径安全

AllowedBaseDir 沙箱

限制文件操作（ExtractFromFile 等）到指定目录及其子目录：

cfg := html.DefaultConfig()
cfg.AllowedBaseDir = "/var/www/html"

p, err := html.New(cfg)
if err != nil {
    log.Fatal(err)
}
defer p.Close()

// ✅ 允许：目录内文件
result, err := p.ExtractFromFile("/var/www/html/page.html")

// ❌ 拒绝：目录外文件
_, err = p.ExtractFromFile("/etc/passwd")

设置后，文件路径必须在 AllowedBaseDir 内部才能被读取。跨平台支持：

Unix：解析符号链接（symlink），防止通过链接逃逸
Windows：解析 junction 和符号链接

留空（默认）表示不限制——适用于可信输入场景。

路径遍历检测

自动检测和阻止路径遍历尝试（如 ../../../etc/passwd），返回包装为 *FileError 的错误：

_, err := html.ExtractFromFile("../../../etc/passwd")
// err 包含 "path traversal detected" 信息

FileError.SafePath

文件错误自动脱敏路径信息，防止文件系统结构泄露：

type FileError struct {
    Op      string
    Path    string
    FileErr error
}

func (e *FileError) Error() string        // 输出已截断路径（仅文件名）
func (e *FileError) SafePath() string     // 仅返回文件名
func (e *FileError) MarshalJSON() ([]byte, error) // JSON 序列化时自动脱敏

_, err := html.ExtractFromFile("/var/www/secret/config.html")
if err != nil {
    var fileErr *html.FileError
    if errors.As(err, &fileErr) {
        fmt.Println(fileErr.SafePath()) // 输出：config.html（不含路径）
    }
}

TIP

FileError.Error() 和 SafePath() 都返回截断后的安全路径（仅文件名），防止路径泄露。内部调试需要完整路径时可直接访问 Path 字段。

安全预设

HighSecurityConfig

面向高安全环境的预设配置，收紧所有限制并启用完整审计：

func HighSecurityConfig() Config

相比 DefaultConfig() 的安全字段覆盖：

字段	默认值	高安全值
`MaxInputSize`	`52428800` (50MB)	`10485760` (10MB)
`MaxDepth`	`500`	`100`
`ProcessingTimeout`	`30s`	`10s`
`WorkerPoolSize`	`4`	`2`
`Audit`	`DefaultAuditConfig()`	`HighSecurityAuditConfig()`

cfg := html.HighSecurityConfig()
p, err := html.New(cfg)
if err != nil {
    log.Fatal(err)
}
defer p.Close()

安全相关错误

错误	触发条件
`ErrInputTooLarge`	输入超过 `MaxInputSize`
`ErrMaxDepthExceeded`	DOM 深度超过 `MaxDepth`
`ErrProcessingTimeout`	处理超过 `ProcessingTimeout`
`ErrInvalidFilePath`	文件路径校验失败（含路径遍历）
`ErrInternalPanic`	内部 panic 被恢复

INFO

完整的错误类型定义（InputError、ConfigError、FileError）和 errors.Is/errors.As 用法详见常量与错误。

恐慌恢复

所有提取操作内置 panic 恢复机制。即使处理过程中发生未预期的 panic，也会返回 ErrInternalPanic 而非让服务崩溃：

result, err := html.Extract(maliciousData)
if err != nil {
    if errors.Is(err, html.ErrInternalPanic) {
        // 输入可能触发了内部 bug
        log.Printf("panic recovered: %v", err)
    }
}

安全防护 ​

安全配置字段 ​

内容消毒 ​

路径安全 ​

AllowedBaseDir 沙箱 ​

路径遍历检测 ​

FileError.SafePath ​

安全预设 ​

HighSecurityConfig ​

安全相关错误 ​

恐慌恢复 ​

相关文档 ​