使用 base64 图像清理 Html（并将其转换为图像）

Question

我有一个带有 TinyMCE Html 编辑器的 WebApp，允许用户从网页输入一些 html。可以粘贴图像并将其编码为 base64。 在将用户输入保存到数据库之前，我使用 OWASP java-html-sanitizer 丢弃潜在的危险代码 (javascript,...)。

图像的 base64 字符串中的一些字符被转义，当我尝试取回图像时（使用 apache commons Base64）我无法获得有效图像。

这是我解码图像的代码：

byte[] b;
String s = html;
b = s.getBytes(Utility.UTF8);
b = org.apache.commons.codec.binary.Base64.decodeBase64(b);

对于Html消毒剂我没有做任何特别的事情，只是遵循Ebay Policy Example allowing base64 images as suggested here。

Answer 1

嗯，建议here我需要"to HTML decode before base64 decoding"。

我已经尝试使用 apache common StringEscapeUtils:

org.apache.commons.lang3.StringEscapeUtils.unescapeHtml4(html);

它正在运行。太好了。

Answer 2

allowedSchemes: [ 'data'] 或 allowedSchemesByTag: { img: [ 'data' ]} 可用于允许 img 标记为 accept/allow base64。