program/lib/washtml.php

   1 <?php
   2 /*                Washtml, a HTML sanityzer.
   3  *
   4  * Copyright (c) 2007 Frederic Motte <fmotte@ubixis.com>
   5  * All rights reserved.
   6  *
   7  * Redistribution and use in source and binary forms, with or without
   8  * modification, are permitted provided that the following conditions
   9  * are met:
  10  * 1. Redistributions of source code must retain the above copyright
  11  *    notice, this list of conditions and the following disclaimer.
  12  * 2. Redistributions in binary form must reproduce the above copyright
  13  *    notice, this list of conditions and the following disclaimer in the
  14  *    documentation and/or other materials provided with the distribution.
  15  *
  16  * THIS SOFTWARE IS PROVIDED BY THE AUTHOR ``AS IS'' AND ANY EXPRESS OR
  17  * IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE IMPLIED WARRANTIES
  18  * OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE ARE DISCLAIMED.
  19  * IN NO EVENT SHALL THE AUTHOR BE LIABLE FOR ANY DIRECT, INDIRECT,
  20  * INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT
  21  * NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE,
  22  * DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY
  23  * THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT
  24  * (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE OF
  25  * THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.
  26  */
  27
  28 /* Please send me your comments about this code if you have some, thanks, Fred. */
  29
  30 /* OVERVIEW:
  31  *
  32  * Wahstml take an untrusted HTML and return a safe html string.
  33  *
  34  * SYNOPSIS:
  35  *
  36  * $washer = new washtml($config);
  37  * $washer->wash($html);
  38  * It return a sanityzed string of the $html parameter without html and head tags.
  39  * $html is a string containing the html code to wash.
  40  * $config is an array containing options:
  41  *   $config['allow_remote'] is a boolean to allow link to remote images.
  42  *   $config['blocked_src'] string with image-src to be used for blocked remote images
  43  *   $config['show_washed'] is a boolean to include washed out attributes as x-washed
  44  *   $config['cid_map'] is an array where cid urls index urls to replace them.
  45  *   $config['charset'] is a string containing the charset of the HTML document if it is not defined in it.
  46  * $washer->extlinks is a reference to a boolean that is set to true if remote images were removed. (FE: show remote images link)
  47  *
  48  * INTERNALS:
  49  *
  50  * Only tags and attributes in the static lists $html_elements and $html_attributes
  51  * are kept, inline styles are also filtered: all style identifiers matching
  52  * /[a-z\-]/i are allowed. Values matching colors, sizes, /[a-z\-]/i and safe
  53  * urls if allowed and cid urls if mapped are kept.
  54  *
  55  * BUGS: It MUST be safe !
  56  *  - Check regexp
  57  *  - urlencode URLs instead of htmlspecials
  58  *  - Check is a 3 bytes utf8 first char can eat '">'
  59  *  - Update PCRE: CVE-2007-1659 - CVE-2007-1660 - CVE-2007-1661 - CVE-2007-1662
  60  *                 CVE-2007-4766 - CVE-2007-4767 - CVE-2007-4768
  61  *    http://lists.debian.org/debian-security-announce/debian-security-announce-2007/msg00177.html
  62  *  - ...
  63  *
  64  * MISSING:
  65  *  - relative links, can be implemented by prefixing an absolute path, ask me
  66  *    if you need it...
  67  *  - ...
  68  *
  69  * Dont be a fool:
  70  *  - Dont alter data on a GET: '<img src="http://yourhost/mail?action=delete&uid=3267" />'
  71  *  - ...
  72  */
  73
  74 class washtml
  75 {
  76   /* Allowed HTML elements (default) */
  77   static $html_elements = array('a', 'abbr', 'acronym', 'address', 'area', 'b', 'basefont', 'bdo', 'big', 'blockquote', 'br', 'caption', 'center', 'cite', 'code', 'col', 'colgroup', 'dd', 'del', 'dfn', 'dir', 'div', 'dl', 'dt', 'em', 'fieldset', 'font', 'h1', 'h2', 'h3', 'h4', 'h5', 'h6', 'hr', 'i', 'ins', 'label', 'legend', 'li', 'map', 'menu', 'nobr', 'ol', 'p', 'pre', 'q', 's', 'samp', 'small', 'span', 'strike', 'strong', 'sub', 'sup', 'table', 'tbody', 'td', 'tfoot', 'th', 'thead', 'tr', 'tt', 'u', 'ul', 'var', 'img');
  78
  79   /* Ignore these HTML tags but process their content */
  80   static $ignore_elements = array('html', 'head', 'body');
  81
  82   /* Allowed HTML attributes */
  83   static $html_attribs = array('name', 'class', 'title', 'alt', 'width', 'height', 'align', 'nowrap', 'col', 'row', 'id', 'rowspan', 'colspan', 'cellspacing', 'cellpadding', 'valign', 'bgcolor', 'color', 'border', 'bordercolorlight', 'bordercolordark', 'face', 'marginwidth', 'marginheight', 'axis', 'border', 'abbr', 'char', 'charoff', 'clear', 'compact', 'coords', 'vspace', 'hspace', 'cellborder', 'size', 'lang', 'dir', 'background');
  84
  85   /* State for linked objects in HTML */
  86   public $extlinks = false;
  87
  88   /* Current settings */
  89   private $config = array();
  90
  91   /* Registered callback functions for tags */
  92   private $handlers = array();
  93
  94   /* Allowed HTML elements */
  95   private $_html_elements = array();
  96
  97   /* Ignore these HTML tags but process their content */
  98   private $_ignore_elements = array();
  99
 100   /* Allowed HTML attributes */
 101   private $_html_attribs = array();
 102
 103
 104   /* Constructor */
 105   public function __construct($p = array()) {
 106     $this->_html_elements = array_flip((array)$p['html_elements']) + array_flip(self::$html_elements) ;
 107     $this->_html_attribs = array_flip((array)$p['html_attribs']) + array_flip(self::$html_attribs);
 108     $this->_ignore_elements = array_flip((array)$p['ignore_elements']) + array_flip(self::$ignore_elements);
 109     unset($p['html_elements'], $p['html_attribs'], $p['ignore_elements']);
 110     $this->config = $p + array('show_washed'=>true, 'allow_remote'=>false, 'cid_map'=>array());
 111   }
 112
 113   /* Register a callback function for a certain tag */
 114   public function add_callback($tagName, $callback)
 115   {
 116     $this->handlers[$tagName] = $callback;
 117   }
 118
 119   /* Check CSS style */
 120   private function wash_style($style) {
 121     $s = '';
 122
 123     foreach(explode(';', $style) as $declaration) {
 124       if(preg_match('/^\s*([a-z\-]+)\s*:\s*(.*)\s*$/i', $declaration, $match)) {
 125         $cssid = $match[1];
 126         $str = $match[2];
 127         $value = '';
 128         while(sizeof($str) > 0 &&
 129           preg_match('/^(url\(\s*[\'"]?([^\'"\)]*)[\'"]?\s*\)'./*1,2*/
 130                  '|rgb\(\s*[0-9]+\s*,\s*[0-9]+\s*,\s*[0-9]+\s*\)'.
 131                  '|-?[0-9.]+\s*(em|ex|px|cm|mm|in|pt|pc|deg|rad|grad|ms|s|hz|khz|%)?'.
 132                  '|#[0-9a-f]{3,6}|[a-z0-9\-]+'.
 133                  ')\s*/i', $str, $match)) {
 134           if($match[2]) {
 135             if($src = $this->config['cid_map'][$match[2]])
 136               $value .= ' url(\''.htmlspecialchars($src, ENT_QUOTES) . '\')';
 137             else if(preg_match('/^(http|https|ftp):.*$/i', $match[2], $url)) {
 138               if($this->config['allow_remote'])
 139                 $value .= ' url(\''.htmlspecialchars($url[0], ENT_QUOTES).'\')';
 140               else
 141                 $this->extlinks = true;
 142             }
 143           } else if($match[0] != 'url' && $match[0] != 'rbg')//whitelist ?
 144             $value .= ' ' . $match[0];
 145           $str = substr($str, strlen($match[0]));
 146         }
 147         if($value)
 148           $s .= ($s?' ':'') . $cssid . ':' . $value . ';';
 149       }
 150     }
 151     return $s;
 152   }
 153
 154   /* Take a node and return allowed attributes and check values */
 155   private function wash_attribs($node) {
 156     $t = '';
 157     $washed;
 158
 159     foreach($node->attributes as $key => $plop) {
 160       $key = strtolower($key);
 161       $value = $node->getAttribute($key);
 162       if(isset($this->_html_attribs[$key]) ||
 163          ($key == 'href' && preg_match('/^(http|https|ftp|mailto):.*/i', $value)))
 164         $t .= ' ' . $key . '="' . htmlspecialchars($value, ENT_QUOTES) . '"';
 165       else if($key == 'style' && ($style = $this->wash_style($value)))
 166         $t .= ' style="' . $style . '"';
 167       else if($key == 'src' && strtolower($node->tagName) == 'img') { //check tagName anyway
 168         if($src = $this->config['cid_map'][$value]) {
 169           $t .= ' ' . $key . '="' . htmlspecialchars($src, ENT_QUOTES) . '"';
 170         }
 171         else if(preg_match('/^(http|https|ftp):.*/i', $value)) {
 172           if($this->config['allow_remote'])
 173             $t .= ' ' . $key . '="' . htmlspecialchars($value, ENT_QUOTES) . '"';
 174           else {
 175             $this->extlinks = true;
 176             if ($this->config['blocked_src'])
 177               $t .= ' src="' . htmlspecialchars($this->config['blocked_src'], ENT_QUOTES) . '"';
 178           }
 179         }
 180       } else
 181         $washed .= ($washed?' ':'') . $key;
 182     }
 183     return $t . ($washed && $this->config['show_washed']?' x-washed="'.$washed.'"':'');
 184   }
 185
 186   /* The main loop that recurse on a node tree.
 187    * It output only allowed tags with allowed attributes
 188    * and allowed inline styles */
 189   private function dumpHtml($node) {
 190     if(!$node->hasChildNodes())
 191       return '';
 192
 193     $node = $node->firstChild;
 194     $dump = '';
 195
 196     do {
 197       switch($node->nodeType) {
 198       case XML_ELEMENT_NODE: //Check element
 199         $tagName = strtolower($node->tagName);
 200         if($callback = $this->handlers[$tagName]) {
 201           $dump .= call_user_func($callback, $tagName, $this->wash_attribs($node), $this->dumpHtml($node));
 202         } else if(isset($this->_html_elements[$tagName])) {
 203           $content = $this->dumpHtml($node);
 204           $dump .= '<' . $tagName . $this->wash_attribs($node) .
 205             ($content?">$content</$tagName>":' />');
 206         } else if(isset($this->_ignore_elements[$tagName])) {
 207           $dump .= '<!-- ' . htmlspecialchars($tagName, ENT_QUOTES) . ' ignored -->';
 208           $dump .= $this->dumpHtml($node); //Just ignored
 209         } else
 210           $dump .= '<!-- ' . htmlspecialchars($tagName, ENT_QUOTES) . ' not allowed -->';
 211         break;
 212       case XML_CDATA_SECTION_NODE:
 213         $dump .= $node->nodeValue;
 214         break;
 215       case XML_TEXT_NODE:
 216         $dump .= htmlspecialchars($node->nodeValue);
 217         break;
 218       case XML_HTML_DOCUMENT_NODE:
 219         $dump .= $this->dumpHtml($node);
 220         break;
 221       case XML_DOCUMENT_TYPE_NODE:
 222         break;
 223       default:
 224         $dump . '<!-- node type ' . $node->nodeType . ' -->';
 225       }
 226     } while($node = $node->nextSibling);
 227
 228     return $dump;
 229   }
 230
 231   /* Main function, give it untrusted HTML, tell it if you allow loading
 232    * remote images and give it a map to convert "cid:" urls. */
 233   public function wash($html) {
 234     //Charset seems to be ignored (probably if defined in the HTML document)
 235     $node = new DOMDocument('1.0', $this->config['charset']);
 236     $this->extlinks = false;
 237     @$node->loadHTML($html);
 238     return $this->dumpHtml($node);
 239   }
 240
 241 }
 242
 243 ?>