Dark n Black: texto vindo de fora não pode quebrar o site
Por que o site da Dark n Black passou a escapar o JSON-LD e a transformar em texto qualquer link que aponte para fora do próprio site, inclusive nas respostas da FAQ.
- commit
a5e6398(dark-n-black)- Author:
- Willian D. Santos
- Date:
Dark n Black: texto vindo de fora não pode quebrar o site
registro 3 de 3 no ramo dark-n-black
Contexto
O site da Dark n Black monta dados estruturados em JSON-LD e renderiza artigos e respostas de FAQ a partir de Markdown. Boa parte desse texto não nasce digitada à mão: títulos, perguntas e fontes passam por um fluxo que não é só meu. Com o gerador novo de artigos chegando, mais conteúdo passa a entrar no site sem que eu leia linha por linha.
Isso abre dois riscos concretos. Um texto com </script> dentro do título, de uma pergunta da FAQ ou de uma fonte fecharia a tag do JSON-LD no meio e deixaria o resto da página interpretar aquilo como HTML. E o Markdown aceitava link e imagem para qualquer destino, inclusive esquemas como javascript: e data:.
O que mudou
- O JSON-LD passou por uma função própria. Os caracteres
<,>e&e os separadores U+2028 e U+2029 saem escritos como\uXXXX, então um</script>vindo de um campo de texto não fecha mais a tag. - No Markdown, link e imagem só valem quando o destino é do próprio site: caminho que começa com
/ou âncora que começa com#. Todo o resto vira texto simples. Isso incluihttp,//host,/\host,javascript:,data:emailto:. - A regra vale também para as respostas da FAQ.
- Entraram testes para os dois casos.
- Ainda no dia, ajustei o CI: o
ubuntu-latestpassou para a versão 26.04, onde o Playwright 1.60 não instala o Chromium, e o check de layout falhava desde 19 de novembro, inclusive na main. Fixei os testes de layout no Ubuntu 24.04.
A decisão
Escolhi barrar por regra de destino, e não tentar listar o que é perigoso. Em vez de bloquear javascript: e data: e torcer para não esquecer nenhum esquema, o site só aceita o que começa com / ou #. Quem escreve o texto perde a possibilidade de linkar para fora, mas ganha a garantia de que nada de fora entra pelo Markdown.
Incluí //host e /\host na lista de barrados porque, apesar de começarem com barra, os navegadores os tratam como endereço externo. Aceitar qualquer coisa que começasse com / deixaria essa brecha aberta.
Para o JSON-LD, preferi escapar a saída em vez de higienizar a entrada. Escapar na saída protege inclusive o texto que ainda vai chegar de fontes que eu não controlo.
No CI, fixei a versão do Ubuntu em vez de esperar o Playwright acompanhar. O check quebrado na main não deixava nenhum PR passar limpo.
Por que importa
Quando um fluxo automático escreve para o site, o texto deixa de ser confiável por padrão. Essa correção tira do conteúdo o poder de quebrar a página ou de mandar o leitor para um endereço que ninguém revisou.
O custo é pequeno: links externos dentro de artigos e FAQ aparecem como texto. Para um site de agência, que quer o leitor dentro do próprio site, é uma troca aceitável.
Com o CI voltando a passar, a main deixa de ser uma exceção vermelha e os PRs seguintes voltam a ter um sinal confiável.
Pendências e próximo passo
- Revisar os artigos e FAQs já publicados que tinham link externo, que agora aparecem como texto, para ver se algum perdeu sentido.
- Decidir se vale trocar o Ubuntu fixo por uma versão nova quando o Playwright passar a suportar a 26.04.
Registro escrito depois da decisão, a partir dos commits e da documentação do projeto.
