XSS编码问题的个人总结

XSS也太太太难了，主要也是因为自己没花时间集中。

文章脉络：根据我粗浅的理解，从开始学习XSS到现在，从一开始的见框就插到现在去学构造、编码，首先需要的是能看懂一些payload，然后再去深入理解。所以，文章首先会介绍一些常见的可供利用的编码，然后再理解浏览器如何解析HTML文档，最后再总结一下。应该有很多不正确的地方，希望看到的朋友帮我指正以下，带我挖洞，冲。QQ：2309896923

写的这些内容都是借鉴总结了许多大神的文章，对大神提及的一些注意点进行总结归纳。

一、一般可利用的编码

1.URL编码

格式：%十六进制数

字符	编码
=	`%3D`
a	`%61`
我太难了	`%E6%88%91%E5%A4%AA%E9%9A%BE%E4%BA%86`

记住常用符号、字母的 ASCII 码，能熟练转换 10 -16 进制即可。中文的URL编码略有不同，因为用的地方没有，也就不详写了

如何利用：浏览器的 URL 地址栏，反射型 XSS，可以将特殊字符进行 URL 编码，可以尝试多次编码试一试；POST过去的数据，存储型 XSS，跟发射型的一样。最后提一点：因为一般网站处理数据的时候最开始解码的一般是 URL 解码，所以可以在用其他编码构造完成 payload 后，最后再进行 URL 编码，由此可见，可以根据解码顺序，灵活得进行编码，最先解码的，就最后编码，懂我什么意思吧，我也不太懂我到底有没有说懂

2.HTML实体编码

格式：&#十进制/十六进制; （一般是用十进制）十六进制的时候为 &#x十六进制数

字符	实体名称	实体编码
<	`<`	`<`
:	`&colon;`	`:`
换行	`&NewLine;`
空格	` `

对照ASCII码表基本就可以轻松转换了

HTML实体编码对照表参考地址：https://www.w3school.com.cn/html/html_entities.asp

如何利用：注意不要编码标签的 <> 、属性名、以及赋值号（等号=，冒号：）就可以了

3.JS编码

格式：①--unicode：\u十六进制 ②--\八进制、\十六进制

字符	\u	\八进制	\十六进制
a	`\u0061`	`\141`	`\x61`
b	`\u0062`	`\142`	`\x62`
c	`\u0063`	`\143`	`\x63`

如何利用：一般使用 jsUnicode编码比较多，其他的两种还在研究，望得到高人指点

4.CSS编码

格式：\1~6位十六进制数

后边就不能直接紧跟数字或字母，否则会被当成转义里的内容处理，所以CSS 选择了空格作为终止标识，在解码的时候，再将空格去除。

如何利用：在使用 style 属性或标签的时候使用，或者也可以在引入外部 CSS 文件的时候，将引入的文件内容进行编码

二、弄清楚浏览器解码顺序

浏览器解析顺序：

示例HTML代码：

<a href="j&#x61vascript: //%0a%61l\u0065rt(1)">click me</a>

解释：

1.首先浏览器接收到HTML代码，会先开始进行HTML解析，构造DOM树，粗略的讲就是识别 <> 这些标签，赋予其特殊含义，区别于纯文本内容。

注意此时并不会做任何解码操作，所以构造 &#lt;img src="javascript:al\u0065rt(1)"> 是不会弹窗的，因为没有识别到标签，它相当于就是一个纯文本，具体来说就是：标签属性名和赋值符号不能编码，但是标签属性的值可以编码

2.DOM树构造完成，开始HTML解码，变成了<a href="javascript://%0a%61l\u0065rt(1);">click me</a>

3.唉，碰到链接类属性 href 了，尽管发现了是javascript伪协议，浏览器也会直接 URL 解码一次，然后就变成了 <a href="javascript://al\u0065rt(1)">click me</a>

4.解码后，因为是 javascript 伪协议，所以 JS 解析器便开始工作了，解析成了 <a href="javascript://alert(1)">click me</a>,注意在识别协议的时候，协议是不能被任何编码的，除非在识别之前已经被解码了，不然的话是不能被识别出来的的，比如说 href="j%61vascript:alert(1)" ，冒号被编码也不行，浏览器虽说会 URL 解码，但是并不会解码之后再识别一次这是什么协议，于是不管是 http 协议还是 javascript 伪协议也好，此时都发挥不了作用而且，此时 href="j%61vascript:alert(1)" 中的冒号括号也不能被 js 编码，否则不会弹窗

5.然后就顺利弹窗了

6.当然，并不是所有时候都是这种解码顺序，要依据具体情况而定。

7.演示一下如何自己进行编码：

可以看到上述例子浏览器解码顺序为 HTML实体解码 -> URL解码 -> JSUnicode解码 <-----> 于是便反过来编码 JSUnicode解码 -> URL解码 -> HTML实体解码

假设要编码的内容：<img/src/onerror=alert(1)>，可以先思考一下改如何编码，再往下看

首先JSUnicode编码： <img/src/onerror=\u0061\u006c\u0065\u0072\u0074(1)>，加不加双引号包裹onerror后面的内容无所谓，加也好，不加也好，最好不加，因为双引号被过滤了的话，会更麻烦，依据前文所述，此处的注意点有：不能编码括号 (),还有一点很奇怪，弹窗提示的 1 字符也不能被编码，否则不会弹，除非加引号包裹起来。

其次HTML编码： <img/src/onerror=\u0061\u006c\u0065\u0072\u0074(1)>此处的注意点有：不能编码标签的 <>、属性、等号=

最后URL编码： %3Cimg/src/onerror%3D%5Cu0061%26%23x5C%3B%26%23x75%3B006c%5Cu0065%5Cu0072%5Cu0074%26%23x28%3B1%29%3E

最后一个问题：这句payload应该插在哪？一般是反射型的XSS直接便可以见到效果，

有php环境的可以试一下：a.php 内容为 <?php echo $_GET["a"]; ?>，然后用浏览器打开这个文件，后面接 ?a=%3Cimg/src/onerror%3D%5Cu0061%26%23x5C%3B%26%23x75%3B006c%5Cu0065%5Cu0072%5Cu0074%26%23x28%3B1%29%3E，即可弹窗

如图：

注意点总结：

1.转义编码应当只出现在标示符部分，不能用于对语法有真正影响的符号，也就是括号，或者是引号、等号、冒号

2.浏览器是不会在html标签里解析js中的那些编码的！所以我们在onerror=后面放js中的八进制、十六进制编码（jsUnicode编码除外）是不会解析你放进去是什么解析就是什么!而另一方面，如果想用这种方式来替换掉圆括号，或者引号，会判定为失败。同时，主要注意的方式，上边这种直接在字符串外进行专一的方式，只有Unicode 转义方式被支持，其他转义方式则不行。其实，这样的策略是正确的，因为对于JavaScript，转义编码应当只出现在标示符部分，不能用于对语法有真正影响的符号，也就是括号，或者是引号。其实，这样的处理方法，反而是比CSS 更加合理的。

3.HTML解析器在建立文档树的时候会针对节点内的Entity编码（即实体编码）解码后传输。

4.使用DOM 操作，对DOM Tree 造成了改变，会调用到 HTML 解析器重新对其解析，意思就是，用 DOM 操作创建了节点标签什么的，会重新调用 HTML 解析

5.在一个页面中，可以触发 JS 解析器的方式有这么几种：

直接嵌入< script> 代码块。

通过< script sr=… > 加载代码。

各种HTML CSS 参数支持JavaScript：URL 触发调用。

CSS expression(…) 语法和某些浏览器的XBL 绑定。

事件处理器(Event handlers),比如 onload, onerror, onclick等等。

定时器，Timer(setTimeout, setInterval)

eval(…) 调用。

可以想一下这个 <script>\u0061\u006c\u0065\u0072\u0074\u0028\u0031\u0031\u0029</script>，为什么这个不弹窗呢？？？？？？？？？？？？？？？？？

不清楚可以看一下参考文章的第一篇！！

另外一些例子：

以下两个表示相同：

<img src="http://www.example.com">

<img src="http://www.example.com">

因为在识别协议之前，已经HTML解码了，所以并不会出现识别协议失败

下面两个例子代码不会执行，因为，编码的是标签本身的结构而非节点内的内容：(这一点非常重要)

<img src="http://www.example.com">

<img src="http://www.example.com">

三、骚操作

HTML新增字符

&colon; 冒号

&NewLine; 换行

1） HTML编码：实体编号，就是ASCII码的10进制，还可以$#000060来实现绕过一些WAF。

2）当 <> 这些符号被编码的时候，因为在JS中常见的传输中文或者非ASCII码字符就会使用unicode编码，同样这种编码可以用来绕过一些WAF。如 '<'：编码为 '\u003c'(unicode编码)，'a'->\x61。此时需要考虑网站传输数据的方式！

3) 如果任何形式引号都被拦截的情况下，你可以使用fromCharCode()方法来创造你需要的XSS Payload.如<IMG SRC=javascript:alert(String.fromCharCode(88,83,83))>，然后再编码

4）还有，数字编码前面加「0」，这也是一条很好的绕过 WAF 的向量。

5）多观察网站传输数据的编码格式，利用其对应特点进行编码

参考文章：（建议全部仔细读一遍，当然最后那一篇是我之前写的，看不看问题不大）

名称	地址
理解浏览器解析规则文章	http://bobao.360.cn/learning/detail/292.html
XSS编码剖析	https://www.freebuf.com/articles/web/43285.html
Browser Security-超文本标记语言（HTML）	https://www.madebug.net/static/drops/tips-147.html
编码与解码-浏览器做了什么	http://xuelinf.github.io/2016/05/18/编码与解码-浏览器做了什么/
深入理解浏览器解析机制和XSS向量编码文章总结	https://www.wjlshare.xyz/2019/08/10/深入理解浏览器解析机制和xss向量编码-文章总结/
XSS与字符编码的那些事儿 ---科普文	https://www.madebug.net/static/drops/tips-689.html
XSS之绕过WAF总结	https://www.cnblogs.com/wjrblogs/p/12341190.html

推荐一些在线编码的网站：可能之后会自己写一个，之前有 0x_Jin 大佬的 XSS_ENCODE 谷歌插件，但是不知道为什么用不了了

名称	地址
CTF在线工具	http://ctf.ssleye.com/
HTML字符实体转换	https://www.qqxiuzi.cn/bianma/zifushiti.php
Unicode与中文互转 16进制Unicode编码转换、还原	http://www.msxindl.com/tools/unicode16.asp
Unicode 编码&解码	https://www.css-js.com/tools/unicode.html

注：纯推荐，没打广告