PAYATHON 2026

Node.js Web 应用生成 PDF 时,如何安全处理用户输入?

数据小许

生成 PDF 时,应先在服务端校验输入,再通过 PDF 库的专用 API 写入内容,同时单独限制链接、文件路径和外部资源。

没有适用于所有 PDF 输入的通用净化函数。一个库没有名为 sanitization 的 API,也不能据此认定它不安全。

原问题没有提供具体调用方式和版本,因此无法判断 pdf-lib、pdfkit 或 pdfmake 是否存在某项漏洞。首先要确认用户输入最终会被用作普通文本、HTML、资源地址,还是文档配置。

普通文本需要做什么处理?

如果只是把姓名、说明等字符串写入 PDF,应使用库的文本 API,由库负责 PDF 文本的编码和序列化,不要自行拼接 PDF 指令。

例如,PDFKit 的 doc.text(value) 用于添加文本,链接通过独立的 link 选项创建。按照这个接口的用途,传入的字符串应作为文本处理,不应交给 HTML 或 JavaScript 解释器执行。具体接口说明见 PDFKit 文本文档。

这类场景通常不需要提前把 < 替换成 &lt;,也不应随意删除引号、括号或反斜杠。HTML 转义用于 HTML 上下文,直接用于 PDF 文本可能让实体字符串显示在文档中。输入校验与输出上下文的处理应分别完成,参见 OWASP 输入校验指南。

服务端仍需检查:

  • 字段类型、必填项和允许出现的属性。
  • 字符串长度、数组数量及嵌套深度。
  • 数值范围,例如数量、字号和图片尺寸。
  • 业务规则,例如用户是否有权导出指定记录。

自由文本可以保留中文、数学符号和正常标点,同时按业务需要限制控制字符。不要通过搜索 script、引号等字符来判断输入是否安全。

如何用校验库落实这些规则?

可以根据服务端定义的 JSON Schema,使用 Ajv 校验请求数据。Ajv 判断数据是否符合规则,不能证明生成的 PDF 安全,也不能替代访问控制。

下面以 PDFKit 的文本写入部分为例。doc 必须由服务端创建,并提前配置好可信字体及输出流;客户端只提交 title 和 body。

import Ajv from 'ajv';

const ajv = new Ajv();

// 在应用初始化时编译,规则由服务端维护。
const validate = ajv.compile({
  type: 'object',
  additionalProperties: false,
  required: ['title', 'body'],
  properties: {
    title: {
      type: 'string',
      minLength: 1,
      maxLength: 100
    },
    body: {
      type: 'string',
      maxLength: 5000
    }
  }
});

export function renderContent(doc, input) {
  if (!validate(input)) {
    throw new TypeError('Invalid PDF input');
  }

  // 显式读取允许的字段,不把 input 当成渲染选项。
  const { title, body } = input;

  doc.fontSize(18).text(title);
  doc.moveDown();
  doc.fontSize(12).text(body);
}

应用应在调用前设置请求体大小限制,妥善处理校验错误和输出流错误,并在写入完成后调用 doc.end()。生成中文 PDF 时,服务端还需配置覆盖相应字符的字体。示例中的长度限制只是业务规则示例,应根据实际文档调整。

Ajv 建议编译并复用校验函数,见 Ajv 使用指南。不要接受客户端提供的任意 Schema 再进行编译;Ajv 将 Schema 视为可信代码,相关风险见其安全说明。

链接、图片和文档配置为什么要单独处理?

同一个字符串进入不同参数,会产生不同效果。文本校验通过,并不意味着它可以直接用作 URL 或文件路径。

链接

如果允许用户添加可点击链接,应解析 URL 并限制允许的协议,例如只接受 https:。还可以根据业务限制目标域名。协议合法只代表满足这一项规则,不能保证目标网站可信。

图片和字体

优先让客户端提交资源 ID,由服务端检查权限并映射到受控文件。不要让用户通过任意路径读取服务器上的图片或字体。

如果业务确实需要下载用户提供的图片 URL,还需要防止 SSRF:限制目标地址,处理 DNS 解析和重定向,阻止访问内网、回环及云元数据地址,并限制下载大小和时间。仅检查 URL 是否以 https:// 开头不足以完成这些防护,参见 OWASP SSRF 防护指南。

对于上传图片,还应限制文件大小、像素尺寸和允许的实际格式,不能只相信扩展名或客户端声明的 MIME 类型。

文档配置和已有 PDF

由服务端生成文档结构,只把经过校验的数据放入允许的字段。不要直接把整个请求对象展开到 PDF 构造选项、文本选项或 pdfmake 的文档定义中。

如果业务允许上传、加载或合并已有 PDF,应为这条处理流程另行设计检查和隔离措施。重新保存或合并文件,不能直接视为已经移除了其中所有不需要的内容或行为。

如果输入包含 HTML,处理方式有什么不同?

只有在应用确实接收 HTML,或增加了 HTML 转 PDF 环节时,才需要针对 HTML 制定额外策略。

将普通文本插入可信 HTML 模板时,应按所在上下文进行输出编码。如果允许用户提交富文本 HTML,需要使用适合该运行环境的 HTML sanitizer,并明确允许的标签、属性及 URL 协议。不要用正则表达式简单删除 <script> 后就认为处理完成。

若转换流程使用浏览器渲染,还应限制网络和本地文件访问,并隔离运行环境。HTML 净化不能替代这些资源访问限制。

上线时还要注意什么?

即使只接收普通文本,也要限制生成任务的并发、频率、文档规模和资源使用。对于可能长时间占用 CPU 的任务,可使用独立进程或任务容器,并由外部控制终止;主线程中的普通计时器无法可靠中断正在同步执行的渲染代码。

持续维护 PDF 库及其字体、图片解析依赖。选择 pdf-lib、pdfkit 或 pdfmake 时,应结合所需功能、实际调用路径和所用版本评估风险,不能仅凭有没有输入净化接口作判断。

备注:内容仅供参考。