清理 HTML - 获取一些未知编码？

Question

我正在使用HtmlSanitizer 解析.NET Core 中的输入以防止XSS Injections。 HtmlSanitizer 实现 AngleSharp - 我不知道 Angle Sharp 是做什么的，但它会编码一些字符，如下所示：

输入：

!@#$%^&*()_+{}:"<>?~

输出：

!@#$%^&*()_+{}:"<>?~

请注意，<、> 和 & 分别被编码为 <、> 和 &amp。我有两个问题：

1. 这是什么编码？
2. （可选）有没有办法使用 AngleSharp 或其他库来撤消它？

旁注 - 所有有害内容都会根据需要删除，这种格式更改无论如何都发生在“安全”html 上，只是为了指出我没有撤消库的任何安全功能，所以我们没有很长的时间对此进行讨论。

Answer 1

这些字符串是 HTML 编码的。 html 编码的目的是防止 XSS，但由于我已经剥离了任何可能有害的代码，所以在我的情况下它只是矫枉过正。可以在此答案中找到更多详细信息（从那里复制的引用）：

HTML.Encode() - What/How does it prevent scripting security problems in ASP .NET?

• 小于号 (<。
• 大于号 (>) 转换为 >。
• 与号字符 (&) 转换为 &。
• 双引号字符 (") 转换为 "。
• 代码大于或等于 0x80 的任何 ASCII 代码字符 转换为&#<number>，其中 是 ASCII 字符值。

您可以使用内置工具对.NET Core 中的字符串进行html 编码和解码，如here 所述。