Pular para o conteúdo
Build log · ● Dark n Black

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.

Projeto: Dark n BlackWillian D. Santos3 min de leitura
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 inclui http, //host, /\host, javascript:, data: e mailto:.
  • A regra vale também para as respostas da FAQ.
  • Entraram testes para os dois casos.
  • Ainda no dia, ajustei o CI: o ubuntu-latest passou 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.

Ver o projeto Dark n Black →